侠客书屋 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?

侠客书屋推荐阅读:绝色丹药师:邪王,你好坏总裁,宠妻请排队太古龙神诀都市之上门神医从前有座镇妖关我的透视可以看穿一切一人之最强异类我只会拍烂片啊入仕异常生物调查局重生七零,回到和前夫结婚当天摄政王的小祖宗又美又飒逆天九小姐:帝尊,别跑!(云家小九超皮哒)风流小屌丝我真是女明星从念动力开始的诸天旅行周队今天又真香了阴师阳徒,医行天下修真弃少逢凶化吉,开局直面十万阴兵三通爷爷故事会御兽:开局让未来的老婆签卖身契都市家事低调大明星君令策之凤摄天下我老婆也重生了我穿成了八个大佬崽崽的娘亲重生78:护林员开始的寻宝人生倒斗撞见灵气复苏,起飞了全网爆红!团宠小人参三岁半豪门千金是宠夫大佬都市之时间主宰神针侠医云家小九超皮哒别慌,我们全家都是穿来的全民地仙纪元爆萌小妻:魔君,请自重娘娘她不想再努力了龙翔仕途他的小家伙甜度满分女子学校的唯一男生桃源乡村小傻医我的22岁杀手老婆提督,你好御魂:我的魂伴是病娇女武神功德兑换宝盒,各国都麻了我为暴君画红妆重生86:从进山打猎开始发家致富遨游在无数位面世界咬红杏
侠客书屋搜藏榜:海棠春将军与我一世约大夏剑术,谁主沉浮雄起,我洗鞋子养你说好的流氓,结果成了热芭的老公重生之爱妻入局清穿之锦玉无双重生毒妃有点邪我混烘焙圈的红楼之我不是林妹妹蜜婚甜宠之娇妻在上我的超级神豪养成系统极品驭灵师重启2006轮世末日无上小神农姬刃暴猿王风华书让你来加速中上班,你抓哭白露?大国之巨匠靳先生你老婆又婚了将嫡重生:渣男的成长史总裁深度爱重生后成了反派的挂件修真至尊在都市穿成团宠后她暴富了超市空间:穿越年代嫁糙汉都市:我开局成了富二代反派第一爵婚:深夜溺宠令人震惊就变强交换灵魂,这个校花不太冷[古穿今]将军的娱乐生活从海贼开始贩卖宝可梦陈生的逆袭之路窈窕宦官我用一百块挑战环球旅行你我无人天降神宝在七零宦海官途过气偶像大翻身顾先生的逆袭萌妻易得志的青春我!活了5000年!我有一座解忧屋穿到现代以后她躺赢了逆天奇缘:富贵的爱恨情仇废才狂妃:我家王爷太妖孽桃花源签到一个月,被向往曝光了
侠客书屋最新小说:消费返利,包养越多赚越多!反派系统:不舔女主后,她却急了新生1970我让学姐扶墙,学姐为我痴狂重生六零:原始森林任我行觉醒sss级妖兽,美女老师抢着要同居神医下山第一天,抢婚财阀女千金开局签到剑仙体,我杀穿高武重生八零:我的毛熊媳妇超会撩让我顶罪,满级出狱你们下跪干什么出狱后,我透视鉴宝养女儿三一镇传奇高武:从觉醒齐天大圣血脉横扫天下全村喝粥我吃肉,打猎成了万元户娱乐:从白月光开始进击娱乐圈单人狙击一整连,你说这是炊事班的?权演龙之更新的书重生饥荒年代,姐姐替嫁妹妹急疯了一颗偏离轨道的灵魂都市重生:我青元仙帝镇万古轮回狂医刚觉醒,被怪物校花当同类了真龙离婚后,七个顶级女神排队求嫁!高武:变身破碎的她,靠加点变强赘婿崛起:冰山女总裁跪求复婚我一小丑,在哥谭逃亡很合理吧?让你赶海,没让你承包大海成海王当学神觉醒足疗师:我偷遍全职业技能小妖成人后的都市求生日常未来我必将站在世界之巅修仙百年,归来全球震动!断绝关系后,我契约绝色银龙姬你哭啥?1973,国家因他而改变年后一起做空华尔街穿越十八年,你跟我讲亮剑开局逃荒带八娃异闻诡事薄最强都市狂兵离家后,我的医圣身份曝光了害我入狱,我成狱神后你们连跪都不配!变身校花大小姐,但被小学妹攻略轰趴港综:暴造金钱帝国,给佳欣送崽彩礼加倍,反手当你小姨夫!我用拳法打爆二次元世界菌爆天灾修罗神针四合院:诱哄秦淮如生三胎,爽嗨钢轨上的五年:三千到存款五十万清纯同桌读心后,我的千亿帝国梦不保了