伴隨著大資料的發展, 人工神經網路(ANN)也越來越流行。 下面讓我們來學習一下 ANN 是什麼, 以及它與生物神經網路之間的聯繫。
上學的時候我特別喜歡數學, 討厭生物。 但過了很久之後, 我最終開始學習結合了數學與生物二者的學科:人工神經網路(ANN), 而 ANN 還是受到了生物神經網路的影響。 儘管你會感覺它怪怪的, 而我的確認為這個詞形容人工神經網路很合適。 我們這兒說的生物, 一般指的是研究大腦或者是神經系統。 人工智慧類比了神經系統的工作方式。 伴隨著大資料的發展, 人工神經網路最近越來越流行。
這篇博文並不能將所有 ANNs 相關的知識解釋清楚,
當我們的感官產生某種感覺(像是當你碰觸某些東西的時候), 感官輸入得到資料然後把它傳輸給神經系統。 神經系統由一組組神經組織細胞組成。 這些細胞被稱為神經元。 神經元處理由感官輸入傳過來的資料, 然後令肢體做出動作, 比如從熱火爐旁將手移開。 移動手臂這部分被稱為運動神經輸出。 我們不打算深入探討感官輸入和運動輸出, 但是會講講神經元以及它們是如何工作的。
神經網路是由各種各樣的神經元組成的。 在上一張圖片中展示了一個由兩個神經元組成的網路。
好的, 以上就是神經網路的基本概念。
上面的圖對生物神經網路與人工神經網路做了個基本對比。 上圖所展示的這種神經網路有三層:輸入層、中間層、輸出層。 我們可以把每個圓圈當成一個個神經元, 那麼每個神經元會接收輸入、處理輸入的資料、產生輸出。
人類大腦中大約有上千億的神經元, 每個神經元會跟大約一萬個神經元相連。 有趣的是, 生物神經元可以在0.001秒內完成轉換, 而電腦則非常快, 只需要10^-10。 然而, 生物神經元仍然可以非常快地做出複雜的決定。 識別一個認識的人, 它需要花費大概0.1秒, 你可以想像這會調動多少神經元。 即便在如此多的神經元之間轉換用時0.1秒, 大腦的效率依然相當快。 很吃驚, 對吧?好吧, 據推測是大腦中的神經元能夠非常厲害地並行處理。 所以,新的神經網路演算法正在不斷地提升並行性。
在這個系列後續博文中,我們會使用 Scala 與 Akka,這兩種技術能夠更好地支援並行性。希望,你會像我一樣感到興奮!
總之,我們已經過了一遍生物神經元是什麼,它們如何工作,還有生物網路的不同術語。我們還比較了生物神經網路與人工神經網路的相似之處。最後,我們討論了人類大腦如何快速地做出複雜的決定。我下一篇博文中,我們會學習一個使用 Scala 編寫的神經網路示例,更深一步的理解人工神經網路。
譯文連結:http://www.codeceo.com/article/an-introduction-of-ann.html
英文原文:An Introduction to the Artificial Neural Network
翻譯作者:碼農網 – Wendy
所以,新的神經網路演算法正在不斷地提升並行性。在這個系列後續博文中,我們會使用 Scala 與 Akka,這兩種技術能夠更好地支援並行性。希望,你會像我一樣感到興奮!
總之,我們已經過了一遍生物神經元是什麼,它們如何工作,還有生物網路的不同術語。我們還比較了生物神經網路與人工神經網路的相似之處。最後,我們討論了人類大腦如何快速地做出複雜的決定。我下一篇博文中,我們會學習一個使用 Scala 編寫的神經網路示例,更深一步的理解人工神經網路。
譯文連結:http://www.codeceo.com/article/an-introduction-of-ann.html
英文原文:An Introduction to the Artificial Neural Network
翻譯作者:碼農網 – Wendy