书河书屋 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?

书河书屋推荐阅读:末日:赘婿重生,囤积亿万物资全球高考一宠成瘾:喵系萌妻,甜甜哒至尊兵王解甲国运婚配:开局获得无限宝石掌控全球:从制霸互联网开始神豪返现系统,屌丝逆袭网络神豪:打赏直播十倍返利星空舰队,从数据化开始四合院:我真不是大地主啊执宫我让企鹅悔改,开局直接制作战地都市欲望:疯狂的缠绵倾城凰后:陛下,高高在上大唐:开局与李二断绝父子关系!开局拒绝表白,校花悔断肠建立无上家族,从妩媚女房东开始三分熟蚀骨情:贺先生,别乱来盛宠小娇妻:傲娇总裁别误会财色带女儿净身出户,一首歌唱哭全网乱世谋:江山为祸暮日冬下(gl)首富从1997开始绝恋:相思比梦长开局绑定老婆,我竟有百倍返利?卦妻伏天氏盘点娱乐圈魔咒,明星都被整麻了战狱:我国主的身份让世界颤抖欢宠见家长我送暴徒,警察岳母人麻了纵横两界:我其实不想当帝皇龙族:从只狼归来的路明非一胎二宝:爹地债主我来啦一夜蜜婚:狼性总裁花样宠!战雏盛宠情深:男神让我撩撩!神豪:小学生才做选择,我全都要重回80年代,我觉醒了猎人系统重生1994:大国崛起龙邪四合院:似水年华退役特工:麻烦找上门灵幻穿越:从废柴开始斗破:开局迎娶云韵,我多子多福四合院:契约人生从武动乾坤开始签到
书河书屋搜藏榜:窃国狂赎萌妹穿越之北宋篇许你卸甲归田,你把我女儿泡了?甩了线上男友后我被亲哭了娱乐:重生豪门公子,玩转香江哑小姐,请借一生说话重生国民女神:褚少,心尖宠!我从黑洞归来全能大佬的马甲要藏不住了残暴王爷的黑月光枭宠毒妃:第一小狂妻以财养官:我靠炒股升官发财锦鲤老婆你好甜都市极品村医命运编织者:我能看透御兽命运!重生后我给女配当长姐重生爸铺路,位极人臣不是梦天才国医宁天林冉冉王妃每天都想继承遗产重生豪门:影后谁敢惹大小姐的贴身狂医晋江女穿到□□文草莽年代护花强少在都市聂先生告白请先排号星空舰队,从数据化开始路痴导游照亮他的心港片:我洪兴红棍开局干掉大佬B我能预测未来上神转角遇到总裁朕醉了直播地球之五十亿年重生之牡丹重生年代养大佬鲜肉影帝我煮青梅等你来我以邪恶护万家灯火不灭!犬马她们都说我旺妻太子殿下他对我图谋不轨重生之如歌岁月作精女配把反派撩到手了战婿当道蜜爱100分:首席,强势宠公子玉璃花之双翼
书河书屋最新小说:缅战兵王:从救小姨子开始本人魔女才不是你的魔法少女老师宦海扁舟这次我只想当一个综艺咖为求原谅,女神把我榨干了听说你是主角,我踩的就是主角都市隐藏先知我就想公司破产,奈何员工全是老六!让你接手钢铁厂,你居然卖军火!观想图网游:只有我能看见真实都市重生:我的仙帝修仙路列车求生:开局激活预知模块!异世之帝皇再临满门忠烈你退婚,我重回巅峰你悔啥?我的系统整天都想让我秃头乡野山村神医培养万千神邸,动物园成生命禁区从属性面板开始的超神级学霸糖运连绵:班花同桌又乖又萌我过气爱豆,和天后恋爱很合理吧我最恨的那个女人变成白虎后,逍遥野外山林暑假兼职,你实习单位是749?蒸汽异世:神秘结社华娱:从2016开始的顶流影帝法师进城务工都市寻宝记我按时收费的系统风暴:林风的荣耀崛起重生高考后,我签到成了神级黑客新开辟的钓点,怎么又暴露了你已天下无敌,下山为所欲为吧原来我修为已是这世界极限重生七零开局在破屋一路暴富如果我回到1997年重新开始猫星重生2016,开局狂赚百亿1955重生回到从前薛尘的逆袭修真路什么霸道校花,明明是暖心猫咪重生后,商业帝国信手拈来数据流御兽【异能】炒股赔钱才有生活费我刚中了五万亿不能做主角,那就当魔女高中毕业后,我激活了自律系统神奇世界之旅娱乐圈传奇:从借钱开始高武:满级悟性,一秒屠太古十凶双倍返还神豪系统加身