什麼是神經網路?

當我們談到神經網路的時候，常常會聯想到生物神經網路，但今天讓我們來看看，人工神經網路是怎麼形成的，在人工神經網路裡，不會憑空產生新的連結，人工神經網路典型的一種學習方法，是我已經知道吃糖時，手會如何動作，但是我想要神經網路，學著幫我做這件動手的事情，所以我預先準備好非常多吃糖的學習數據，然後將這套數據一次次的放入。如圖1:     

                                                                                                                                                                                圖1 手學習的神經網路

 

這套人工神經網路系統當中，糖的信號會通過這套系統傳遞到手，然後對比信號傳遞後，手的動作是否為討糖的動作，來修正人工神經網路當中的神經元的強度，這種修改在專業術語中叫做”誤差反向傳遞”(如圖2)，也可以看作是再一次將傳過來的信號傳回去，看看這個負責傳遞信號的神經元對於討糖的動作到底有沒有貢獻，讓它好好的學習與修正，來爭取下一次做出更好的貢獻。

                                                                               

圖2誤差反向傳遞

 

神經網路由大量的人工神經元聯結進行計算，大多數情況下人工神經網路能在外界信息的基礎上改變內部結構，是一種自己逐漸適應的過程。

                                                                               

圖3 貓的圖像辨識的神經網路

 

現在我們就可以再進一步，看看神經網路是怎樣訓練神經元的，原來在計算機裡每一個神經元都會有屬於他的激勵函數（activation function)，我們可以用這個函數給計算機一個刺激行為。當我們第一次給這個神經網路看一隻飛奔的貓時，神經網路裡只有部分的神經元被激勵或者被激活，被激活的神經元傳遞下去的信息是計算機最重視的信息，也是對輸出結果最有價值的信息，如果預測的結果是隻狗，所有神經元參數就會被調整，這就說明了所有神經元參數正在被改變。變得對圖片裡真正重要的信息敏感，這時被改進的參數就能漸漸預測出正確的答案(如圖3)，也就是它!是!一隻!貓!