< 返回新闻公告列表

什么是神经网络及神经网络的类型

发布时间:2020-03-29 17:21:08    来源: 知鸟云

神经网络的类型是定义神经网络结构在计算中如何工作的概念,类似于人脑的决策功能。有多种类型的神经网络可用,例如前馈神经网络,径向基函数(RBF)神经网络,多层感知器,卷积神经网络,递归神经网络(RNN),模块化神经网络和序列到序列模型。每个神经网络类型特定于某些业务场景和数据模式。神经网络算法可以通过多次处理数据的学习和重新学习过程进行高度优化。神经网络增强了人工智能。

神经网络的类型

现在我们有了一个直觉,什么是神经网络。在研究神经网络的类型之前,让我们看一下神经网络的工作原理。由于神经网络几乎可以复制我们的大脑运作方式,因此它将为我们在人工智能领域的最佳表现提供一种直觉。

让我们将其与人体的神经系统进行比较,以清晰地了解神经网络的工作原理。第一层获得原始输入,类似于耳朵中的听觉神经。接下来,它处理到达下一层神经元的信号。来自第一层的输出被馈送到下一层的不同神经元,每个神经元执行不同的处理,最后,处理后的信号到达大脑以做出响应的决策。现在在神经网络中,第一层接收原始输入,并将其发送到随后的各个层,每个并行处理。该层中的每个节点都有自己的知识范围和自己学习的编程规则。现在,简单介绍一下神经网络的工作原理,让我们看一下不同类型的神经网络。

1.前馈神经网络

这是一个基本的神经网络,可以存在于整个神经网络领域。顾名思义,该网络仅向前运动,一直运动到到达输出节点为止。没有反馈可以改善不同层中的节点,并且没有太多的自学机制。下面是一个简单表示的一层神经网络。


在上图中,数据在第1层中具有3个节点的正向移动,这些节点具有在自身内部进行处理的独特功能。这些已发现在面部识别建模和计算机视觉中的有用用法。

2.径向基函数(RBF)神经网络

这些类型的神经网络的主要直觉是数据点相对于中心的距离。这些神经网络通常具有两层(一层是隐藏层,另一层是输出层)。隐藏层具有典型的径向基函数。此功能有助于在对数据进行拟合的同时进行合理的内插。直觉上,更近的点本质上是相似的,并且与k-NN相似。直觉是这样的:“一个项目的预测目标输出的行为将与其他与预测变量非常相似的项目相似。”

3.多层感知器

现在,慢慢地,我们将转到具有两个以上层(即,一个以上隐藏层)的神经网络。在多层感知器中,使用此方法的主要直觉是当数据不可线性分离时。层中的每个节点都包含用于处理的非线性激活函数。这些函数通常是Sigmoid / Logistic函数,tanh /双曲正切函数,ReLU(整流线性单位),Softmax。这个神经网络是完全连接的,并且还具有通过在处理每个数据点及其产生的错误量后更改连接权重来自行学习的能力。


4.卷积神经网络

现在进入卷积神经网络,这种类型的神经网络是多层感知器的高级版本。在这种类型中,存在一个或多个卷积层。现在的基本问题是卷积层到底是什么?卷积不过是启用激活的简单过滤机制。重复此过滤机制后,它会得出检测到的特征的位置和强度。由于这种能力,这些网络被广泛用于图像处理,自然语言处理,推荐系统中,以产生有效的重要特征检测结果。

5.递归神经网络

顾名思义,在此网络中会重复出现。现在提到该网络,将保存特定层的输出,然后再次将其放回输入中。在这里,第一层将是一个简单的前馈神经网络,随后,每个节点将在下一层保留信息。这样做时,如果预测错误,网络将尝试重新学习并有效学习正确的预测。这在文本到语音的转换中被广泛使用。该网络的主要构建模块存储在内存中,将影响对下一个事件的更好预测。

6.模块化神经网络

来到最后但并非最不重要的神经网络类型,即模块化神经网络。顾名思义,模块化是该神经网络的基本基础。模块化意味着独立运行的不同网络可以执行子任务,并且由于它们彼此之间不交互,因此计算速度会提高,并且通过处理单个组件会大大加快大型复杂过程的工作。类似于大脑左侧和右侧独立地处理事物的方式一样,模块化神经网络是这种生物学情形的类似情形。

 

总结

从上面可以明显看出,神经网络有很多类型,我们介绍了行业中最常用的神经网络。这可能不是各种类型的神经网络的详尽列表,但是在这里,我们可以了解最多的和广泛使用的神经网络。


相关推荐