為什么引入神經網絡來做識別，判斷，預測


馬克-to-win @ 馬克java社區(qū)：防盜版實名手機尾號：73203, 很多人學了神經網絡很長時間，但一直就有一個最根本的問題困擾著自己。為什么要引入神經網絡來做識別，判斷，預測?為什么神經網絡能做這事？其實我們在生活中，總在不知不覺的經常用神經網絡。只不過我們沒注意觀察罷了。 比如經常有朋友會問我們，哪里的房子大致多少錢？比如下面這個判斷房價的例子，當知道地點在北京二環(huán)以里，天安門旁邊的東華門，輸入x1就應該等于五萬元一平米。樓層是四層，不高不低，X2等于800元一平米。樓層如果是頂層，那就太高了，x2就等于100元一平米。馬克-to-win @ 馬克java社區(qū)：當知道朝向是朝陽以后，X3等于1000元一平米。如果知道朝向是朝北以后，S3就等于100元一平米。但x1，x2，x3，這三個參數在你心目中的權重是完全不一樣的，大家都知道，判斷房價，地點是最重要的，所以，權重w1的值會高很多，比如說0.6。而樓層的權重就不是那么高，比如只占0.1。向南朝向權重占0.2?；A偏移跟整個的時代都很有關系，大家都是買漲不買跌，所以當大家都想買房的時候，這個偏移就會很高，比如b等于一萬元一平米。馬克-to-win @ 馬克java社區(qū)：所以按照下圖：最終輸出：x1*w1+x2*w2+x3*w3+b=50000*0.6+800*0.1+1000*0.2+10000=40280元一平米，為價格。




馬克-to-win @ 馬克java社區(qū)：你自己可能意識不到，每當別人問起你一個房子的價格時，因為這件事兒的維度比較多，比較復雜時，在你心中就需要做這么一個權重乘輸入求和加偏移的計算。這種情況還有其他的例子，比如找對象時給異性評分，長相，學識，身體等等。























以上的圖其實就是人工智能/機器學習/深度學習領域中一個典型的單個神經元，也叫感知器。也是一個三個輸入，一個輸出的一層神經網絡或說單層神經網絡。