第13章 「感知機」和「M-P模型」(1 / 2)
說實話,開創「機器學習」新領域,成為「深度學習」等技術路線的指路人,的確十分誘人,光是提出「人工神經網絡」的概念,就足以名垂青史了。
但對於自己現在的水平,江寒心裡還是很有數的,不謙虛地說,隻能算略知一二。
前世雖然上過大學,學的卻不是計算機專業,在編程和硬件領域,基本上全靠自己扌莫索,知識體係並不完善。
至於「人工神經網絡」方麵,前後隻看了幾本入門教材,外加在站看了十幾個係列視頻教程。
一些重要的概念是清楚的,一些經典算法也是了解的,做一些簡單的推演,應該也沒什麼大問題。
可許多公式背後的原理,當時就沒能理解得十分深刻,到了現在,印象就更加模糊了。至於那些需要最先進的數學工具,才能完成的證明與推導……
在機器學習領域,「深度學習」被稱作最具顛覆性的理論,以他目前掌握的這點兒皮毛,想要從無到有地開辟出一整條技術路線,難度可想而知。
可難就不搞了嗎?
這是個難得的機遇,一定要好好把握才行。隻是他還需要好好想一想,如何妥善運用那些「走私」來的知識。
既要充分發掘價值,也要注意合理性。起碼拿出來的東西,要符合自己的人設,要找得到合理的解釋,免得惹出什麼不必要的麻煩……
江寒前思後想,終於做出了決定。
總之,必須盡快將「感知機」的概念拋出去,否則後續的一係列技術,全都得憋在腦袋裡,沒法拿出來見人。
隻是這樣一來,估計自己將來基本跑不掉一個「機器學習宗師」、「AI教父」、「人工神經網絡創始人」之類的稱號了……
別看「感知機」簡單,卻是「人工神經網絡」的基石,很多「機器學習」算法,比如支持向量機(SV、深度學習、D-QLearning、生成對抗網絡(GAN)……都是在其基礎上才發展出來的。
在另一個世界,「感知機」的概念誕生於1957年,由ell航空實驗室的Frank Rosenbtt提出。
本質上是一個線性分類模型,用於解決二元線性分類問題,對應於輸入空間中將實例劃分為兩類的分離超平麵,是最簡單的前饋人工神經網絡。
好吧,說人話。
簡單點說,感知機就是一個算法,通過大量訓練,可以讓電腦掌握某種規則,然後按照這種規則,將輸入的數據分成兩類。
如果輸入的數據空間隻有兩個維度,將其視作平麵直角坐標係,那麼「感知機」的圖像,其實就是一根直線。
「感知機」雖然簡單,還是有點用的。
比如經過訓練後,輸入身份證號,就能幫你判斷出是男是女;比如輸入身高和體重,就能判斷是否超重……
可能有人會問:隨便寫個程序,不是很簡單就能實現這些功能嗎?
但感知機的神奇之處,在於使用同樣結構的程序,就能在很多領域裡通用,而不用針對性編程。
這是機器學習和常規編程的本質區別。
感知機結構異常簡單,工作原理也不復雜,但要想寫成論文,也需要進行一些數學推導,以及前置理論。
「感知機」是建立在模型的基礎上的。
生物的神經細胞結構,主要由樹突、突觸、細胞體及軸突組成。單個神經細胞有兩種狀態:激活或者未激活。
神經細胞是否激活,取決於從其它的神經細胞收到的輸入信號量,及突觸的強度(抑製或加強)。
當信號量總和超過了某個閾值時,神經元就會激活,產生電脈沖,電脈沖會沿著軸突並通過突觸傳遞到其它神經元……