【莫烦Pytorch】【P1】人工神经网络VS. 生物神经网络
滴:转载引用请注明哦【握爪】 https://www.cnblogs.com/zyrb/p/9700343.html
莫烦教程是一个免费的机器学习(不限于)的学习教程,幽默风俗的语言让我们这些刚刚起步的小白们感到Friendly~o(* ̄︶ ̄*)o。为了巩固自己的记忆,也小小の贡献于他人,将莫烦教程进行整理。难免于有错误恳请批评指正,也希望自己始终能愉悦的学习!PS:大多数为整理文本,少部分添加自己的理解。
Artificial Neural Nets VS Neural Nets ?
二三十年前,一提到神经网络,我们就想到生物神经网络系统中数以万计的神经连接——将感官和反射器联系在一起的系统。但是今天,你的第一反应则可能是电脑和电脑程序结合的人工神经网络。昔日复杂的神经网络系统,居然神奇的放入了计算机;而人类正在将这种人工神经网络系统推向更高的境界。今天,世界上早已布满了人工神经网络的身影,比如Google的搜索引擎、股票价格预测、机器人学习、围棋、家庭助手等等等等。从金融到仿生样样都能应用,看起来人工神经系统的确很强大。
但...是不是有这么一个问题一直在你脑海中环绕,没有答案?计算机领域的神经网络和我们自己身体中的神经网络是不是一样呢?那我们先来看一看人的神经网络。
900亿神经网络细胞组成了今天我们复杂的神经网络系统,这个数量甚至可以与宇宙当中的星球数相比较。如歌仅仅靠单个的神经元,是远不能让我们像今天一样完成各种任务、处理各种复杂的问题。那我们是如何靠这些神经元来处理问题的呢?首先,我们得知道我们的记忆是如何产生的。
想象这时我们还是个婴儿,包着尿布的我们什么都不知道,神经元并没有形成系统和网络,可能只是一些分散的细胞而已。一端连着嘴巴的味觉感受器,一端连着手的肌肉。小时候,世界上有一种神奇的东西,叫做“糖果”~~当我们第一次品尝它的时候,美妙的感觉让我们发现活着是多么有意义的事情!这时候神经网络开始产生连接,记忆开始形成;但是,形成的新连接怎样形成记忆,仍是科学界的一个谜。不过现在,我们的手和嘴产生了某种固定搭配,每当有糖果的时候,某种生物信号就会从我们的嘴传递到我们的手上,让手的动作有意义,比如这样~?
然后爸妈就会再给我们一个糖果啦。哈哈,吃糖的目的达成,现在我们看看人工神经网络(以下简称人工~)如何达成这个目的。
首先,替换掉生物神经网络的就是已经成体系的人工~所有神经元之间的连接都是固定不可更换的,这也就是说在人工~没有凭空产生新连结这回事。人工~的一种典型学习方法是{我已经知道吃糖时,手会如何动,但是我想要神经网络帮我学着动动手},所以我预先准备非常多的吃糖的学习数据,然后将这些数据一次次放入这套人工~系统中。“糖”的信号会从这套系统传递到手,然后对比信号传输后手的动作是不是“讨糖”的动作来修改人工~中神经元的强度,这种修改在术语中成为“误差反向传递”,也可以看做将传递来的信号传回去,看看这个负责传递的神经元对“讨糖”的动作到底有没有贡献,让它好好反思与修正,争取下一次做出更好的贡献。
这样看来,人工~和生物神经网络的确不是那么一回事。人工神经网络靠正向和反向传播来更新神经元,从而形成一个更好的神经系统,本质上是一个能让计算机处理和优化的数学模型。而生物~是通过刺激产生新的连接,让信号通过新的连接传递而形成反馈。虽然新的计算机技术越来越高超,不过我们的身体的神经系统经过了数千万年的进化还是独一无二的。迄今为止,再复杂再庞大的人工~也不能替换我们的小脑袋。我们应该感到自豪,也应该感激上天给我们的这份小礼物!
Conclusion:
1. 生物神经网络依靠产生新连接来进行信号传递,而人工神经网络是一成不变的,是我们事先搭建好(后面微调)的;
2. 对于人工~:前向传播将“糖果”与“手的动作”,即train_x 与label对应,产生权重;反向传播传回看有无贡献,修正惩罚“损失函数”,即目标函数。
Reference:
https://www.bilibili.com/video/av15997678?from=search&seid=14016968102042287039
【莫烦Pytorch】【P1】人工神经网络VS. 生物神经网络的更多相关文章
- 莫烦pytorch学习笔记(八)——卷积神经网络(手写数字识别实现)
莫烦视频网址 这个代码实现了预测和可视化 import os # third-party library import torch import torch.nn as nn import torch ...
- 莫烦pytorch学习笔记(七)——Optimizer优化器
各种优化器的比较 莫烦的对各种优化通俗理解的视频 import torch import torch.utils.data as Data import torch.nn.functional as ...
- 莫烦PyTorch学习笔记(五)——模型的存取
import torch from torch.autograd import Variable import matplotlib.pyplot as plt torch.manual_seed() ...
- 莫烦PyTorch学习笔记(五)——分类
import torch from torch.autograd import Variable import torch.nn.functional as F import matplotlib.p ...
- 莫烦PyTorch学习笔记(四)——回归
下面的代码说明个整个神经网络模拟回归的过程,代码含有详细注释,直接贴下来了 import torch from torch.autograd import Variable import torch. ...
- 莫烦PyTorch学习笔记(三)——激励函数
1. sigmod函数 函数公式和图表如下图 在sigmod函数中我们可以看到,其输出是在(0,1)这个开区间内,这点很有意思,可以联想到概率,但是严格意义上讲,不要当成概率.sigmod函数 ...
- 莫烦pytorch学习笔记(二)——variable
.简介 torch.autograd.Variable是Autograd的核心类,它封装了Tensor,并整合了反向传播的相关实现 Variable和tensor的区别和联系 Variable是篮子, ...
- 莫烦pytorch学习笔记(一)——torch or numpy
Q1:什么是神经网络? Q2:torch vs numpy Numpy:NumPy系统是Python的一种开源的数值计算扩展.这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(neste ...
- 莫烦 - Pytorch学习笔记 [ 一 ]
1. Numpy VS Torch #相互转换 np_data = torch_data.numpy() torch_data = torch.from_numpy(np_data) #abs dat ...
随机推荐
- 【设计模式】抽象工厂模式 Abstract Factory Pattern
简单工厂模式是一个工厂类根据工厂方法的参数创建不出不同的产品, 工厂方法模式是每一个产品都有一个一一对应的工厂负责创建该产品.那么今天要讲的抽象工厂模式是一个工厂能够产生关联的一系列产品.抽象工厂模式 ...
- [置顶]生鲜配送管理系统_升鲜宝V2.0 销售订单汇总_采购任务分配功能_操作说明
做好生鲜供应链系统,要注意三个方面,1.分拣 2 采购 3 库存,市面上做的比较成熟的功能,还是分拣这一块(按客户分拣.按订单分拣.按商品分类分拣.按商品分拣.按线路分拣.客户自由组合分拣)[下篇文 ...
- 从零学习Fluter(八):Flutter的四种运行模式--Debug、Release、Profile和test以及命名规范
从零学习Fluter(八):Flutter的四种运行模式--Debug.Release.Profile和test以及命名规范 好几天没有跟新我的这个系列文章,一是因为这两天我又在之前的基础上,重新认识 ...
- SQL Server数据库文件与文件组总结
文件和文件组概念 关于文件与文件组,简单概括如下,详情请参考官方文档"数据库文件和文件组Database Files and Filegroups"或更多相关资料: 数据文件概念: ...
- C语言实现将日期、时间保存到文本文件中
今天突然兴起,看来一下C语言的文件操作,以前在学习的时候,总是一带而过,觉得没有什么用处:但是现在看来,还真的没有什么用处,最后,我现在还有用到,当然这只是我的个人认为,并不能说明什么,在此我将自己写 ...
- 做嵌入式,C语言相关的朋友不要错过
前言 相对来讲嵌入式相关的人群总体来说比较少,那么有没有一个聚集地呢? 为回馈读者,「编程珠玑」与「嵌入式linux」,「EmbeddDeveloper」三个公众号联合组织了此次福利活动,「编程珠玑」 ...
- 第二课android中activity启动模式
一.标准启动模式可以用函数gettaskid得到任务的idtostring得到地址用textallcaps来设置是否全部大写应用启动自己是在任务栈里创建不同实例可以用返回来返回上一个任务栈在andro ...
- 随机数据生成与对拍【c++版,良心讲解】
10.7更新:见最下面 离NOIP2018没剩多长时间了,我突然发现我连对拍还不会,于是赶紧到网上找资料,找了半天发现了一个特别妙的程序,用c++写的! 不过先讲讲随机数据生成吧. 很简单,就是写一个 ...
- 关于Math.round()方法
先上结论: 1.参数的小数点后第一位<5,运算结果为参数整数部分. 2.参数的小数点后第一位>5,运算结果为参数整数部分绝对值+1,符号(+ or -)不变. 3.参数的小数点后第一位=5 ...
- python使用装饰器对文件进行读写操作'及遍历文件目录
'''使用装饰器对文件进行读写操作''' # def check_permission(func): # '''演示嵌套函数定义及使用''' # def wrapper(*args,**kwargs) ...