为你的硬件装上“大脑”——神经网络

第31期

看到这个图片大家有没有觉得很有爱很温馨呀？没错，就是我们的超级大暖男大白同学。曾经有多少人都梦想拥有这样一个朋友…咦？大白同学是一个机器人，怎么能变成我们的朋友呢？

你知道人工智能吗？

人工智能，英文缩写为AI，全称Artificial Intelligence。是一门研究、开发用于模拟、延伸和扩展人的智能新的技术科学。AI不仅在医疗诊断、罪犯识别等方面广泛应用，还能驾驶汽车，甚至可以创造艺术品。现在你知道萌萌的大白是怎么出现的了吧，就是应用了强大的人工智能技术。

今天我们要介绍的是人工智能的一个重要分支--神经网络

▼

那么，神经网络又是什么呢

▼

在生物学上，神经元通过接收四面八方的刺激（输入），然后对这次刺激做出相应的反应（输出）；而人工神经网络就是模仿了大脑的生物神经网络结构，它由许多简单、高度互联的处理单元组成计算系统，然后通过外部输入的动态响应（随时间而变化）来处理信息。

人工神经网络是由多个节点组成，它模仿的是人脑的生物神经元，这些神经元相互连接，相互影响。节点可以接收输入的数据，并对数据进行简单操作，然后将这些操作的输出结果传递给其他神经元，每一结果传输过程都与权值相关。这个过程我们称为神经元的决策过程。

▼

小课堂：什么是权值？

▼

上一层神经元的输出结果与下一层神经元的输入比值关系。

为更好地理解上面这个神经元的决策过程，我们看个简单的例子

假设你要决定今天去不去看电影，你需考虑3个因素：

1. 女朋友在不在；

2. 电影好不好看；

3. 今天有没有工作。

对这三个因素，有的人看重女朋友，有的人看重电影，有的人看重工作，所以权重也就不等，最后每个人根据自己的权重做出或1（去或者不去）的决策。那么你会怎么做呢？你把三个要素按照它们需要的权重加和在一起，再对这个分数综合考虑得到去或不去的决定y。

在神经网络的单个神经节点中，综合考虑的判断方式是利用激活函数，如下：

公式中的f()是已知的激活函数，f()使神经网络（单层乃至多层）非常灵活，可以实现三个基本功能：与、或、非（AND, OR, NOT）。

我们用一个常见的分段函数（激活函数的一种）来描绘其在神经元中的处理过程：

看了上面的介绍，单个神经元会做多维度的决策，而神经网络会将所有神经元的决策进行结合，所以神经网络可以做更为复杂的信息处。

神经网络是一般由输入层，隐藏层（大于等于1层），输出层这三部分组成的分层结构：

多个单独神经元构成多层神经网络

输入层(Input)：接收原始数据，然后往隐藏层传送

隐藏层(Hidden layer)：该层是神经网络的关键，相当于对数据做一次特征提取。即对数据做平移、旋转、伸缩、扭曲，让数据变得线性可分。

输出层(Output)：神经网络的决策输出

▼

线性可分是什么样的呢？

▼

我们举个比较形象的例子，下图是原始数据，全局很多绿点、红点相互交错。

把所有绿色点赶到一边（伸缩、旋转和扭曲），然后红色点自然被挤到另一端，要是pose还不够帅，就挪挪位置（平移）。这时候数据就呈线性可分状态，只需干脆利落地砍一刀，绿点红点就彻底区分开了。

关于神经网络的简单介绍就到这里了，其实神经网络在摄像中也逐渐应用地越来越广泛。甚至有人说借助神经网络，手机也真的能拍出“单反质量”的照片。神经网络可以通过它所拥有的模型对图像进行处理来提升效果；并且如果手机中搭载了神经网络技术，还可以智能地学习你的图像效果习惯，以后拍照再也不用一遍一遍地调色调啦~

随着神经网络技术的发展，相信未来它会给我们带来更多的惊喜！

C部门-实习记者丨Hao

文字编辑丨秦漠 排版编辑丨杜杜羊

部分图片来源网络，版权归原作者所有

▼

▼