大家好,今天分享一下如何选择神经网络模型,神经网络是一种通用的机器学习模型和一套具体的算法,在机器学习领域引发了一场革命。它是普通函数的近似,可以应用于机器学习中从输入到输出的任何复杂映射问题。一般来说,神经网络体系结构可以分为三类:

1、前馈神经网络:是最常见的类型。第一层是输入,最后一层是输出。如果有多个隐藏层,称为“深度”神经网络。它可以计算一系列事件之间相似跃迁的变化,每一层神经元的活动都是下一层的非线性函数。

2、循环神经网络:每个节点形成一个循环图,循环图可以按照箭头的方向回到原点。循环神经网络动力学复杂,训练困难。它模拟连续数据,相当于一个深度网络,每个时间段都有一个隐藏层。除了在每个时间段使用相同的权重,它还有输入。网络可以记住隐藏的状态信息,但是很难用这些信息训练网络。

3、对称连接网络:与循环神经网络相同,但单元之间的连接是对称的(即两个方向的连接权重相同),比循环神经网络更容易分析,但功能有限。没有隐藏单元的对称连接网络称为Hopfiels网络,而有神经网络分类四种模型隐藏单元的对称连接网络称为Pozmann机。

如何选择神经网络模型参考资料:

一文看懂25个神经网络模型

模型选择的一些基本思想和方法

神经网络详解及技巧

通俗点讲解 RNN、LSTM、GRU 

如何理解模拟计算机“大脑”所形成的神经网络 

解开神秘的面纱,人工智能算法到底是什么 


评论关闭
IT干货网

微信公众号号:IT虾米 (左侧二维码扫一扫)欢迎添加!

通俗点讲解 RNN、LSTM、GRU