神经网络是什么
初识
【尝鲜】BP神经网络解决什么问题
作者 : 老饼 日期 : 2022-06-09 05:00:22 更新 : 2022-10-31 17:48:06
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



本文第一部分介绍什么情况下使用BP神经网络解决问题,

第二部分展示一个BP神经网络解决问题的例子,

最后列举BP神经网络常用的实际使用场景



   01. 问题与背景   


  问题    


   已知 y 和 X 存在某种关系
( X 和 y 可以是一个向量)
我们希望得到 y 和 X 的数学关系,
这样在知道 X 的值,可以求得y的值



     问题场景细分    


对于该问题一般有三种场景
 ● 场景一 : 完全白箱  
 
 我们完全知道X和y的内部机制,
那么我们可以根据X和y的逻辑关系推导出X和y的数学关系,
例如物体自由落体运动时,位置与时间的关系
 ● 场景二  : 半白箱
 
 我们只知道X和y的部分逻辑关系,
得到的数学表达式带有参数,
那么,我们可以通过采集历史数据,
用最小误差的方法,去估算参数。
例如,根据胡克定律,
我们知道力和变形量成线性关系:F=-kx,
k待定,可以采集数据,估算出k。
 ● 场景三  : 完全黑箱
 
 完全不知道X和y的逻辑关系。
这时的解决方案是,
采集到大量历史数据样,
再找一个函数,通过调整函数的参数,
使函数与历史数据吻合。
再用测试数据,检验该函数在新样本中是否可用



    BP解决了什么问题   


通过对比,我们可以知道,
 
 👉 第一种场景得到的数学关系是非常可靠的,     
👉 第二种其次,                                               
👉 第三种就纯属黑箱拟合了          
                  
在x,y之间的逻辑较清晰时,第三种方案一般用不上,
但在X 和y的内部逻辑完全不知道,或过于复杂时,
第三种反而是一种唯一可用的方案 
 
而BP,就是解决第三种场景-黑箱场景的众多方法中极为出彩的方法之一



  02. 例子  


     BP神经网络举例    


我们对系统采集了一些历史样本,
投放到一个3个隐神经元的网络(实际就是一个函数F(X))中训练,
如下


在历史数据训练好后,就可以投入生产中进行预测,
例如,输入【0.5,0.5】,网络就输出0.7636的预测值
这样即使不知道输入输出的关系,仍然可以通过BP神经网络进行预测




  03. 常用的实际问题  


下面我们列举一些BP神经网络常用于解决的问题


    BP神经网络常用问题    


BP在实际中,适用的场景很多,
例如:数值预测、模式识别、曲线拟合、数据压缩(特征提取) 等等 

 
✍️说明 
BP神经网络是可以解决很多问题的,比较万能,
但我们不会所有问题都会使用BP神经网络。
在我们在知道X,Y之间的一些特性的条件下,

 我们更愿意充分利用这些特性,建立其他模型,这样更具解释性 






 End 






联系老饼