理解神经网络的不同方法

机器算法验证 机器学习 神经网络
2022-03-30 07:07:43

我遇到了几种理解神经网络的主要方法。

  • 神经网络作为具有突触的神经元。
  • 神经网络作为概率推理机。（贝叶斯，信息等）
  • 神经网络作为数据的转换。（类似于您在图形中看到的矩阵变换）
  • 神经网络作为专家的聚合（也称为特征）。（每个节点都是某种专家，群体的智慧等。）
  • 神经网络作为与自然游戏的玩家。自然是一个对手，试图让神经网络犯尽可能多的错误

还有其他方法可以考虑什么神经网络？这些是什么？

2个回答

神经网络作为连续函数的有限近似：

https://en.wikipedia.org/wiki/Universal_approximation_theorem

简而言之，神经网络可以以任意精度（取决于神经元的数量）逼近连续函数，从而在任何闭集和有界集上的连续函数空间中形成密集集。这与傅立叶级数和多项式逼近之类的东西切线相关。

其它你可能感兴趣的问题
上一篇当线性回归给出不可能的负估计时该怎么办 下一篇偏见一词有两种定义吗？