通过研究前辈们的方式来探究神经网络的基本数学原理
最早描述神经网络的人是神经生理学家沃伦·麦卡洛克和数学家沃尔特·皮茨,他们使用这一模型来解释生物大脑的工作机制。
1959年,斯坦福大学的伯纳德·维德洛和马西安·霍夫将这一想法改进,创造出了MADALINE,这是第一款应用于电话线消除回音的神经网络。至今仍在使用中!(斯坦福大学神经网络的历史)。
时光变迁(抽象)
维德洛当时使用的代码、工具、平台及相关方法与如今完全不同。一个相对简单的神经网络现在只需要几行代码。
因此,许多教程都专注于更简单的方法。这些简化的方法利用了一些高度开发和精心设计的软件库,称为“packages”。
使用这些“packages”经常被称为抽象方法,因为它们隐藏了大部分神经网络的底层复杂性和数学原理。因此,用户可以更专注于设计和实现网络的架构,而不必被低级计算细节所困扰。
权衡和缺点
但在学习过程中,这会带来一个权衡。这些抽象方法可能使您更难以完全学习、理解和欣赏所谓的人工神经网络的基本数学和其他相关原理。本教程试图部分揭示这些基本数学原理。
欢迎
欢迎来到这个关于神经网络的全面教程,神经网络是一类多功能的机器学习模型。神经网络具有广泛的应用,包括回归、分类以及生成唯一输出,正如生成式人工智能模型所展示的那样。它们是许多重大突破的人工智能和机器学习应用的核心,例如图像识别、文本解释和自动驾驶汽车。在本文的教程中,我们将探究神经网络的基本原理。