為什么引入神經(jīng)網(wǎng)絡(luò)來(lái)做識(shí)別，判斷，預(yù)測(cè)


馬克-to-win @ 馬克java社區(qū)：防盜版實(shí)名手機(jī)尾號(hào)：73203, 很多人學(xué)了神經(jīng)網(wǎng)絡(luò)很長(zhǎng)時(shí)間，但一直就有一個(gè)最根本的問(wèn)題困擾著自己。為什么要引入神經(jīng)網(wǎng)絡(luò)來(lái)做識(shí)別，判斷，預(yù)測(cè)?為什么神經(jīng)網(wǎng)絡(luò)能做這事？其實(shí)我們?cè)谏钪?，總在不知不覺(jué)的經(jīng)常用神經(jīng)網(wǎng)絡(luò)。只不過(guò)我們沒(méi)注意觀察罷了。 比如經(jīng)常有朋友會(huì)問(wèn)我們，哪里的房子大致多少錢(qián)？比如下面這個(gè)判斷房?jī)r(jià)的例子，當(dāng)知道地點(diǎn)在北京二環(huán)以里，天安門(mén)旁邊的東華門(mén)，輸入x1就應(yīng)該等于五萬(wàn)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(dāng)知道朝向是朝陽(yáng)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(gè)參數(shù)在你心目中的權(quán)重是完全不一樣的，大家都知道，判斷房?jī)r(jià)，地點(diǎn)是最重要的，所以，權(quán)重w1的值會(huì)高很多，比如說(shuō)0.6。而樓層的權(quán)重就不是那么高，比如只占0.1。向南朝向權(quán)重占0.2?；A(chǔ)偏移跟整個(gè)的時(shí)代都很有關(guān)系，大家都是買(mǎi)漲不買(mǎi)跌，所以當(dāng)大家都想買(mǎi)房的時(shí)候，這個(gè)偏移就會(huì)很高，比如b等于一萬(wàn)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(jià)格。




馬克-to-win @ 馬克java社區(qū)：你自己可能意識(shí)不到，每當(dāng)別人問(wèn)起你一個(gè)房子的價(jià)格時(shí)，因?yàn)檫@件事兒的維度比較多，比較復(fù)雜時(shí)，在你心中就需要做這么一個(gè)權(quán)重乘輸入求和加偏移的計(jì)算。這種情況還有其他的例子，比如找對(duì)象時(shí)給異性評(píng)分，長(zhǎng)相，學(xué)識(shí)，身體等等。























以上的圖其實(shí)就是人工智能/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)領(lǐng)域中一個(gè)典型的單個(gè)神經(jīng)元，也叫感知器。也是一個(gè)三個(gè)輸入，一個(gè)輸出的一層神經(jīng)網(wǎng)絡(luò)或說(shuō)單層神經(jīng)網(wǎng)絡(luò)。