神经网络
神经网络像很多小开关连成的多层网络。输入进来后,每一层都会做一次加权判断,再把结果传给下一层。训练就是不断调这些连接权重:错得多就大幅调整,错得少就微调,直到网络能把输入稳定地转成目标输出。
关键结构图
这一层
打开下一层
继续停下
输入层、隐藏层、输出层三列节点相连,连接粗细表示权重。
What
神经网络是一类由许多连接节点组成的模型,通过层级计算从数据中学习模式。
神经网络是机器学习中的模型族,灵感来自神经元连接,但实际是一种数学计算结构。它通过输入层、隐藏层和输出层处理数据,用优化算法调整参数。边界是,神经网络不是人脑复制品;它的能力和限制来自数据、结构、训练目标和计算资源。
Structure神经网络 = 节点层级 + 权重连接 + 训练调整
When
当你学习深度学习、图像识别、语音识别、语言模型或推荐系统时,神经网络是核心基础。
How
先理解输入如何经过多层计算,再看权重如何通过损失函数和优化算法调整。最后再学习不同结构的网络。
Examples
图像分类网络会从像素中逐层学习边缘、形状和对象特征。
语言模型中的神经网络会处理词与上下文关系,生成下一个可能的 token。
来源
类型:AI 基础 / 机器学习模型
事实线:神经网络通过层级连接和参数训练学习输入与输出之间的模式,是深度学习的重要基础。
依据:机器学习和深度学习教材、神经网络发展史、1000 Bricks 对神经网络 big idea 的整理。
边界:适用于理解深度学习基础;不代表模型具有人类意识或生物神经系统。
常见误读:不要因为名字里有“神经”就把它当成人脑。它是数学模型。