神经网络是什么
初识
神经网络、BP和深度学习的关系
作者 : 老饼 日期 : 2022-06-09 01:02:52 更新 : 2022-06-29 01:21:53
本站原创文章,转载请说明来自《老饼讲解-BP神经网络》bp.bbbdata.com



相信很多人都读过不少文献了,很容易被各种神经网络名称弄得头晕转向,本文给大家辨识清楚各种神经网络的关系



神经网络简介

凡是模仿人的神经网络构建出来的数学模型,都叫神经网络。
神经网络是人工智能的一个主力算法。

神经网络可以归为三块:

    (1)  BP神经网络       
     (2)  深度学习            
    (3)  其它神经网络    




 01. 一般神经网络  


一句话概括: 

除BP神经网络,深度学习外的人工神经网络。


介绍:

出现得最早,起源于1940+年,该类神经网络非常多,
今天你根据生物神经网络构建一个模型,明天我根据生物神经网络构建一个,可以说是百舸争流。
经典代表:感知机、Hopfield神经网络、径向基神经网络....等等。



  02.BP神经网络  

一句话概括:

人工神经网络中的顶级代表。往往说《神经网络》就是指《BP神经网络》。

介绍:

● 提出

大家研究着各种神经网络,研究得不亦乐乎,
突然,
1986年,
来了两个家伙Romelhart 和Mcclelland,
提出了一个特殊的结构,并命名:  BP神经网络  


● 发展

BP神经网络提出后,瞬间崛起后当了主力军。
以致于几乎成为了《神经网络》的代名词,
为什么拎出来特别划为一类?
因为它实在太出名了,在不特指时,往往说神经网络都是指BP神经网络(这一种结构的神经网络)。

● 结构

它的结构以下:

                           

大家印象中的神经网络是不是都是这种结构?
但其实它只是BP神经网络的特有的结构,
神经网络有千万种结构,只是BP神经网络太普及了,现在大家几乎把BP神经网络结构=神经网络结构,
实际BP神经网络结构仅是神经网络结构的一种。


03. 深度学习

一句话概括

深度学习可以看作是BP神经网络的一种加强版。解决输入极极多的问题。


介绍

●  BP在解决多输入时受挫

BP神经网络虽然很牛X,但当要处理图象,音频,文字等问题时,却SB了,
因为这类问题的输入极多(例如一个50*50像素的图象,就有2500个输入 ),
而BP神经网络的参数会随着输入个数指数增长(假设有100个隐节点,则2500个输入在第一层的权重参数就有2500*100个),
参数个数量级太爆炸,导致BP在求解时,很难找到优秀解,就挂B了。


●  根据业务特性去冗解决问题

这本来是个没办法的事,但偏偏图象,音频这些问题,它的输入存在很严重的相关性(例如相邻像素的值总是相近的),
因此,可以根据这个业务特性,进行输入个数压缩,或者在求解时根据这个业务特性进行特殊讨巧(例如相邻输入对应的权重参数共享),
使BP神经网络又可以解决这类问题了。


●  颁发新名

问题解决了,BP还是BP,但毕竟,有少许变种了!
不管怎么样,解决了新问题了,得显示牛B,挂个名: 深度学习!
就这样,2006年,开启了全民深度学习年代!不懂点深度学习都不好意思说自己做人工智能。


●  再掀高潮:  

2016年,alpha go的出现,深度学习秀足了风头,开启了全民超级深度学习模式~!


●  总结:

总的来说,深度学习底层还是BP,你可以把深度学习当成 《专用于解决输入极极多,且输入变量之间有极强相关性的问题》的BP神经网络。


四、总结 

 1   神  经  网 络  :凡是模仿人的神经网络构建出来的数学模型,都叫神经网络
 2   BP 神经网络  :神经网络最经典的代表就是BP神经网络,能解决很多问题。
 3   深  度  学 习   :深度学习可以看作《加强版BP神经网络》,专用于解决输入极极多,且输入变量之间有极强相关性的问题。
 4   其它神经网络 :除了BP神经网络外,还有很多杂七杂八的神经网络,经典的有感知机、Hopfield神经网络、径向基神经网络等等。








 End 







联系小饼