到目前为止人工智能主要有三个学派,即行为主义、符号主义和连接主义。
行为主义:基于控制论,构建感知-动作控制系统。(控制论,如平衡、行走、避障等自适应控制系统)
符号主义:基于算数逻辑表达式,求解问题时先把问题描述为 表达式,再求解表达式。(可用公式描述、实现理性思维,如专家系统)
连接主义:仿生学,模仿神经元连接关系。(仿脑神经元连接, 实现感性思维,如神经网络)
当今人工智能主流方向是连接主义,而神经网络是连接主义的具体实现,本节课开始我们就来学习神经网络的搭建过程,在此我们基于 Tensorflow2 原生代码搭建你的第一个神经网络训练模型。
我们所搭建的神经网络叫做人工神经网络,灵感来源于人的神经网络,因为我们人类学习知识的过程就是神经网络训练的过程,机器亦如此。
人的神经网络具有感性思维,连接主义就是在模拟人的这种感性思维,是在仿造我们人脑内的神经元连接关系。如下图(单个神经元图)是人脑中的一根神经元,左侧是神经元的输入,右侧是神经元的输出,人脑就是由 860 亿个这样的神经元收尾相接组成的网络,我们按照人的神经元结构搭建出的人工神经网络可以让计算机具备感性思维,从而达到学习和认知的功能。
我们首先理解一下基于连接主义的神经网络设计过程,如下图给出了人类从出生到成年神经网络的变化,随着我们的成长,大量的数据通过我们的视觉、听觉,嗅觉,触觉涌入我们的大脑,是我们的神经网络连接,也就是这些神经元连接线上的权重发生了变化,有些线上的权重增强了,有些线上的权重减弱了。
搭建神经网络
数据集输入
前向传播
损失函数
梯度下降
反向传播
数据处理函数
数据计算函数
数据转换函数
独热码
鸢尾花数据集
数据集预处理
训练神经网络
预测结果
神经网络层数