爱看读书 通过搜索各大小说站为您自动抓取各类小说的最快更新供您阅读!

如果说“感知机”是单个的神经元,那么“多层感知机”就是将分散的神经元,连接成了网络。

在输入层和输出层之间,再加入若干层,每层若干个神经元。

然后每一层的每个神经元,与下一层的每个神经元,都通过权重参数建立起连接……

层与层之间,完全连接。

也就是说,第i层的任意一个神经元,一定与第i+1层的任意一个神经元相连。

这就是多层感知机,简称MLP。

但仅仅简单组合在一起,还不算真正的“人工神经网络”,必须对“感知机”的基本结构,做出一定的改进。

首先,必须加入隐藏层,以增强模型的表达能力。

隐藏层可以有多层,层数越多,表达能力越强,但与此同时,也会增加模型的复杂度,导致计算量急遽增长。

其次,输出层的神经元允许拥有多个输出。

这样模型就可以灵活地应用于各种分类回归,以及其他的机器学习领域,比如降维、聚类等。

此外,还要对激活函数做出扩展……

前一篇“感知机”论文中,主要使用的是阶跃函数sign,虽然简单易用,但是处理能力有限。

因此神经网络的激活函数,一般使用其他的非线性函数。

备选的函数有很多:sigmoid函数,tanh函数,ReLU函数……

江寒逐一进行了分析。

通过使用多种性能各异的激活函数,可以进一步增强神经网络的表达能力。

对于二分类问题,只需要一个输出神经元就够了。

使用sigmoid作为激活函数,来输出一个0到1之间的数值,用来表示结果为1的概率。

对于多类分类问题,一般在输出层中,安排多个神经元,每个分类一个。

然后用softmax函数来预测每个分类的概率……

描述完结构之后,就可以讨论一下“多层感知机”的训练了。

首先是MLP的训练中,经典的前向传播算法。

顾名思义,前向传播就是从输入层开始,逐层计算加权和,直到算出输出值。

每调整一次参数值,就需要重头到尾重新计算一次。

这样运算量是非常大的,如果没有强大的硬件基础,根本无法支撑这种强度的训练。

好在现在已经是2012年,计算机性能已经足够强悍。

前向传播无疑是符合直觉的,缺陷就是运算量很大,训练起来效率比较差。

与“感知机”的训练相比,MLP的训练需要引入损失函数和梯度的概念。

神经网络的训练,本质上是损失函数最小化的过程。

损失函数有许多种选择,经典的方法有均方误差、交叉熵误差等,各有特性和利弊。

整个训练过程是很清晰的。

先随机初始化各层的权重和偏置,再以损失函数为指针,通过数值微分求偏导的办法,来计算各个参数的梯度。

然后沿着梯度方向,以预设的学习率,逐步调整权重和偏置,就能求得最优化的模型……

写完这些就足够了,再多的内容,可以安排在下一篇文章里。

不过,江寒想了想,觉得这篇论文的内容,还是有点过于充实。

仔细琢磨了一下,干脆将其一分为二。

多层感知机的结构和前向传播的概述部分,单独成篇。

神经网络训练中,关于激活函数和损失函数讨论的部分,再来一篇。

然后分开投稿,这样不就可以多拿1个学术点了?

反正学术点又不看字数……

当然,这两篇论文都必须以前一篇的感知机为基础,分别进行阐述,而不能互为前提、互相引用。

这样就需要多动点脑筋了。

江寒又花了一个多小时,才将它们全都补充完整,并丰满起来。

接下来校队、润色一番后,翻译成英文,转换PDF……

投稿的时候,江寒仔细琢磨了一下,在三区里选了两家方向对口的期刊,投了出去。

没有选择影响因子更大的二区或一区期刊。

因为二区以上的期刊,虽然影响因子更高,发表后收获的学术点也多。

但发表难度太大,万一被打回来,再重新投递……

时间耽搁不起。

要知道,江寒只有三个月的时间。

一系列操作下来,差不多就到了10点半。

江寒脱掉外衣,去洗了个澡,然后换上睡衣。

忙了一下午带一晚上,直到这时才闲了下来。

然后他就想起了夏雨菲,也不知道她下午过得好不好,开不开心?

一股深切的思念,从心底涌出。

拿过手机,指纹解锁。

这才发现,有好多条未读微信。

写论文的时候太投入,根本听不到提示音。

点进夏雨菲的聊天界面,就看到了一排文字消息。

“在哪呢?”

“终于写完作业了,好累啊。”

“你在忙什么?”

“看来真的很忙,都没时间看微信了。”

“先睡了,明天还要上学……”

……

除了第一条是放学时间发来的,后面几条都来自10点之后,差不多5分钟一条。

“这傻姑娘,我没回复微信,也不说拨个电话或者语音通话……”

江寒叹了口气,发了个表情图过去。

夏雨菲很快就回复:“忙完了吗?”

江寒微微一笑。

这个时间她还没睡,莫非在一直等着我回复?

前一阵天天哄她上床,不会已经养成了习惯吧?

一天不哄,就睡不着……

“嗯,正准备休息,刚上床。”江寒回复。

夏雨菲:“那你赶紧休息吧,别太劳累了。”

江寒笑了笑,拨了个语音通话。

“喂?”夏雨菲秒接。

江寒声音温和:“想我了没?”

“没有。”

江寒微微一笑。

否认得这么干脆?

那就是想了。

女孩子的话,有时候就得反着听……

“想我你就打个电话,要不拨个语音通话,微信我有时不能及时看到。”江寒温和地嘱咐。

夏雨菲沉默了一小会儿,低声说:“我担心你在忙,别再耽误了你的正事……”

江寒笑了笑:“你要是一直都这么懂事,我可就有点舍不得欺负你了啊。”

夏雨菲脸一红。

他所说的“欺负”,不知道到底是哪种“欺负”?

那自己以后,到底是应该始终这么“懂事”,还是偶尔也“不懂事”一次呢?

“你在哪了?”夏雨菲不敢深想,就没话找话。

“酒店里。”江寒实话实说。

“嗯?”夏雨菲有点意外,“怎么没回寝室?”

“寝室里有点闹,我想专心研究点东西。”江寒回答。

“哪家酒店?”夏雨菲问。

“星河。”

“条件怎么样?”夏雨菲又问。

“还行。”江寒回答。

“你刚才说什么?”夏雨菲好像没听清楚。

“我说还行。”江寒稍微提高音量。

“什么?”夏雨菲仍然没有听清。

“信号怎么忽然变差了……”

那边嘀咕了一声,然后通话就突然中断了。

江寒正打算重拨,一个视频通话的邀请,忽然跳了出来。

视频……

不会是学人家查岗吧?

爱看读书推荐阅读:最佳影星都市赢家人生特勤精英独家蜜婚:帝少宠妻太深度Boss生猛:总裁,我有了龙王医婿全文免费阅读穿书后,恶女成了团宠小娇娇表白被拒,转头闪婚了天仙的妈妈重生初中:神医学霸小甜妻都市绝品少年这是重生吗?这是黑道发家史啊!惹火狂妻:邪帝,好闷骚回到92:开局被俩大舅哥投河毒妇重生向善记都市之国术无双来自秦朝的你保安情缘春归郎未知拒嫁豪门:误惹天价首席我就捡个垃圾,全世界追杀我?末世重生之女王来袭当贤夫我是认真的影后有个学霸红包群回乡隐居,无常识少女赖上我娱乐:整顿职场后我打造文娱盛世丑女种田:山里汉宠妻无度重生之生化帝国失心前妻很抢手华娱璀璨时代拥有神豪系统,美女左拥右抱春风十里玉门关顶级世家的神豪阔少赘婿被退婚,不装了我是大佬高武之超级系统穿成恶毒女配带飞反派全家重生后大佬撕了炮灰剧本在六爷心上放个火糙汉的神医小娇妻是朵黑莲花刀镇星河东京,有恶灵世子爷,这外室又在给您画大饼!半仙直播算命大哥你老婆有双夫命妙手狂兵1627崛起南海乡村上门医婿人在做!天在看!反派:你怎么也有系统智能生命春花人在乡村,医名远播我的三位师尊风华绝代
爱看读书搜藏榜:宠婚为爱:甜妻你好文娱:我被黑成了娱乐圈大佬兄弟!boss偏执宠:小娇妻,真甜!甜妻动人,霸道总裁好情深山村小药神豪门情夺之黑莲逆袭特勤精英九天无神官路登天逆袭,不服输的人生最精彩!漫威里的次元餐厅玉谋不轨四合院:我能采摘别人技能戒不掉的喜欢重生后我不用做寡妇了你是我心里说不出的痛日娱之遇见那些人田园医女之傲娇萌夫惹不得不是直播民生吗,你怎么成全能了尊主的巨星之路四合院:秦淮茹,我对寡妇没有兴独家蜜婚:帝少宠妻太深度学园异战录喷人就变强:我怼哭了百万毒鸡汤命运两头设堵我却左右逢源贵夫临门祸害娱乐圈,你说自己是正经人?巨星大导演庶福良缘重生日本之剑道大魔王哼!我的总裁大人说好断绝关系,你们后悔算什么?我的人工智能可以升级御兽:我契约的都是上古禁忌彪妻重生重生1990,带着全村人发家致一拳和尚唐三藏总有人爱你如命大侠等一等抗战之我每天一个签到大礼包[综]一梦经年破产千金逆风翻盘快穿攻略,黑化女配要洗白快穿之主角是用来虐的纵横人生三千年半夜两点,我从火车站下车试婚进行时不负山河不负卿无上神帝
爱看读书最新小说:重生之都市极品天尊重生高三,我一定要改写命运失忆后,她们都说是我女朋友龙凤阴阳诀希望的田野上陪女神聊天,越撩越有钱恋综:没吃过恋爱的苦,我想试试软萌校花太粘人,我好爱提升员工工资,你说我扰乱市场?权力巅峰:从乡镇税务局开始高手下山,五位师姐助我发家致富从前有个协谷镇当世界只能由一人拯救高武:从继承李氏开始老婆大明星,我在家带娃玩军火!重生非洲,我成了奥德彪终末的十二神座运掌乾坤:我的都市外挂开局小火龙,这我怎么输啊?超时空交易:我的任意门去万界爱已远去:从舔狗到赢家的蜕变女儿求救,十万大军齐聚从量子机开始,突破美西方封锁别拿火球不当球三哥与凤姐的浪漫爱情故事我在鹰酱当杀手御兽,我的契约兽超震惊!!!女总裁求复合遥远的回航重生电工也能牛上天哥斯拉会动,养在动物园不合理?我一个算命的居然能斩神逆天行万里大一实习,你跑去749收容怪物娱乐:回到过去,靠国足起家顶尖掮客执剑师许愿系统:许愿就能无敌开局尖刺蜘蛛,进化阴影主宰!明州小医生左蜜右菲,我还是太全面了每升百级,实力提高1级宇宙文明到第九区去渣男系统:在恋爱游戏里大放异彩成为反派,我该做什么?狩劫之日乡村御兽神医峰宇之恋大国重器:开局省下百亿军费蓝星要灭?哥们,包活的