人工智能 神经网络(人工智能 神经网络 大数据)

 

今天分享一下数据分析的分类模型中的人工神经网络

人工神经网络(Artificial Neural Network，简称ANN)是目前国际上一门发展迅速的前沿交叉学科。

为了模拟大脑的基本特性，在现代神经科学研究的基础上，人们提出来人工神经网络的模型。

互联网小常识：资源记录主要有：主机地址（A）资源记录：将DNS域名映射到IP地址；邮件交换器（MX）资源记录，为邮件交换器主机提供邮件路由；别名（CNAME）资源记录：将别名映射到标准DNS域名。

人工神经网络是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统。

神经元

生物神经元的组成包括细胞体、树突、轴突、突触。

树突可以看作输入端，接收从其他细胞传递过来的电信号；

轴突可以看作输出端，传递电荷给其他细胞；

突触可以看作I/O接口，连接神经元，单个神经元可以和上千个神经元连接。

细胞体内有膜电位，从外界传递过来的电流使膜电位发生变化，并且不断累加，当膜电位升高到超过一个阈值时，神经元被激活，产生一个脉冲，传递到下一个神经元。

互联网小常识：要组建一个以太网局域网，则局域网LLC子层采用IEEE802.2标准，MAC子层采用CSMA/CD方法，物理结构取决于它选用的物理层标准，以太网可以选择10BASE-5，10BASE-2和10BASE-T。目前主流使用的是10BASE-T，使用无屏蔽双绞线、集线器和RJ-45接口。

生物神经元结构

神经元是多输入、单输出的信息处理单元，具有空间整合性和阈值性，输入分为兴奋性输入和抑制性输入。

按照这个原理，科学家提出了M-P模型（取自两个提出者的姓名首字母），M-P模型是对生物神经元的建模，作为人工神经网络中的一个神经元。

由MP模型的示意图，我们可以看到与生物神经元的相似之处，xi表示多个输入，wij表示每个输入的权值，其正负模拟了生物神经元中突出的兴奋和抑制；Σ表示将全部输入信号进行累加整合，f为激活函数，o为输出。下图可以看到生物神经元和MP模型的类比：

人工神经网络，是通过模仿生物神经网络的行为特征，进行分布式并行信息处理的数学模型。

这种网络依靠系统的复杂度，通过调整内部大量节点之间相互连接的关系，从而达到信息处理的目的。

人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入输出数据，分析两者的内在关系和规律，最终通过这些规律形成一个复杂的非线性系统函数，这种学习分析过程被称作训练。

神经元的每一个输入连接都有突触连接强度，用一个连接权值来表示，即将产生的信号通过连接强度放大，每一个输入量都对应有一个相关联的权重。处理单元将经过权重的输入量化，然后相加求得加权值之和，计算出输出量，这个输出量是权重和的函数，一般称此函数为激活函数（也有书籍称为传递函数）。

互联网小常识：蓝牙软件结构标准包括核心和应用协议栈两大部分。工作在2.402-2.480GHZ的ISM波段，标准速率1Mbps。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186