机器学习40讲－22：自适应的基函数神经网络

分享一个大牛的人工智能教程。零基础！通俗易懂！风趣幽默！希望你也加入到人工智能的队伍中来！请轻击人工智能教程​​​​https://www.captainai.net/troubleshooter回眸人工神经网络的前半生，不由得让人唏嘘造化弄人。出道即巅峰的它经历了短暂的辉煌之后便以惊人的速度陨落，几乎沦落到人人喊打的境地。可谁曾想三十年河东三十年河西，一位天才的出现让神经网络起死回生，众人的态度也迅速从避之不及变成趋之若鹜。如果人工神经网络果真有一天如人所愿实现了智能，不知它会对自己的命运作何评价。人工神经网络（artificial neural network）是对生物神经网络的模拟，意在通过结构的复制实现功能的复制。但人类神经系统在百万年进化中留下的智能密码并没有那么容易破解，因而神经网络最终也难以跳出统计模型的窠臼，成为线性模型大家族的又一位成员。感知器示意图（图片来自Machine Learning: an Algorithmic Perspective, 图3.1）人工神经网络的祖师爷是感知器（perceptron），其作用是根据输入数据的属性对它进行二分类。当偏置$b = 0$时，感知器计算输入属性的线性组合$w_1x_1 + \cdots + w_nx_n$，所有参数$w_i$共通构成分类边界的法向量${\bfw}$。求出的线性组合接下来被送入激活函数（activation function）中计算结果。感知器的激活函数是符号函数，其输出的二元结果就表示了两种不同的类别。感知器的学习过程示意图