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。