神经网络是如何做的 零基础入门神经网络

Root 编译自 Jay Shah寄几的博客

量子位 出品 | 公众号 QbitAI

最近，神经网络这个词特别火，吸引不少眼球。

但是神经网络是个啥？有啥用？

这篇文章和大家唠唠，啥是神经网络，对于初学者来说主要有哪些挑战，以及介绍几种经典的神经网络类型，和相关行业应用。

神经网络的工作原理

基本上，神经网络是由一层一层的不同的计算单位连接起来的。

我们把计算单位称为神经元，这些网络可以把数据处理分类，就是我们要的输出。

每个神经元把最初的输入值乘以一定的权重，并加上其他输入到这个神经元里的值（并结合其他信息值），最后算出一个总和，再经过神经元的偏差调整，最后用激励函数把输出值标准化。

△ 降噪自动编码器，就是设定为忽略某些输入的

在随机干扰过程中，通过随机地将一些输入数据设为零，让降噪自动编码器自己判断哪些是丢失（损坏）的值，从而预测出哪些是丢失模式的子集。

数据可视化

用主成分分析（PCA），和t分布随机相邻嵌入（t-SNE）等方法，可以实现降维。

在训练神经网络的时候，结合以上方法，能提高模型的预测精度。

而且，多层神经网络的预测精度很大程度上依赖于神经网络结构，预处理的数据，以及该神经网络要解决的问题类型。

卷积神经网络

卷积神经网络，这个名字是来源于“卷积”运算符。

它的主要目的，在于从输入的图像中提取特征。

而特征的提取，是通过使用输入数据里3×3的区域学习到的。

这样，卷积网络就能够保留像素之间的空间关系。

卷积神经网络在以下领域取得了成功：

人脸识别

级联卷积神经网络，可以快速高效地识别人脸。

检测器先用低分辨率评估输入图像，把非面部区域快速排除掉，再以更高的分辨率，仔细处理并精确检测更复杂的区域。

为了加速检测并提高边框质量，还在级联中引入了校准网络。

自动驾驶

卷积神经网络传统上用于图像分析和目标识别。

在自动驾驶的项目中，空间纵深的估算能力特别重要。

没有它，就无法确保乘客和其他车辆的安全。

NVIDIA的自动驾驶汽车等项目，就已经开始使用CNN了。

CNN非常灵活，可以通过多层的参数来处理输入，其中还包括深度信念网络（DBN）。

另外，还有个好玩的用法， 可以在游戏模拟器中，用CNN来开车并预测转弯的角度 。

循环神经网络

循环神经网络可以生成序列。

每次处理单组的真实数据序列之后，就预测接下来会发生什么。

那这种模型是怎么一步一步搭起来的呢？

假设，预测的结果是存在概率分布的话，那么可以反复取各种输入值，产生新的序列。

输入值的来源可以是已经训练过的网络的输出值，取得越分散越好。

换句话说，让神经网络把自己生成的结果，当作真实世界里产生的数据值，用作输入，就像一个人在做梦一样。

梦里那些虚幻不存在的场景，也能成为我们记忆中感知的一部分。

预测

神经网络经过训练后，给定一个输入值，就能得到在预期内的输出值。

如果我们有个神经网络，能够完美地拟合一系列已知的值，那么这个网络也能预测未来的值。

现在，预测股价的模型用得最6。

不同领域里神经网络的应用

在真实的商业环境里，神经网络已经应用很广泛了，比如销售量预测，用户调查，数据有效性，和风险调控。

市场

目标市场与市场细分有关，根据用户不同的消费行为，我们能把市场划分得很细。

按地域分布，经济能力、购买习惯、对产品的态度等维度分类，是神经网络最拿手的事。

无监督学习可以自动把有相似属性的用户分类到一起。

零售行业

神经网络用来预测超市的销售量特别有优势，因为它能多维度考虑问题。

比如一个产品可能有多大的市场需求量，一个消费者的收入，人口分布，产品价格等方面。

一旦两个商品，在某段时间内他们的销售量存在间接的联系，像一个用户买完打印机之后，很大可能会在3到4个月的时候需要补充新墨盒，那么零售商可以从顾客的购买数据来有效地推产品，避免顾客流失到竞争对手那。

金融行业

神经网络已经成功解决了多个金融类的问题，比如衍生类的保值型理财产品，未来价值的预测，外汇汇率的预测，以及股票市场的表现。

以前，是数据技术驱动着软件的发展；现在，神经网络驱动着大家做出更优的理财选择。

医药行业

高效的人体生理系统建模、快速检测疾病这些方面的工作，需要大量神经网络来支持。

大家都很看好未来神经网络在医疗领域大规模的应用。

结论

也许，用神经网络解决实际问题的同时，未来神经网络还能当艺术家创作的工具，混合出新的视觉效果。

说不定我们还可以从中发现创意的规律。

总的来说，神经网络让计算机更像人，get到越来越多的技能，可以帮我们做更多的事儿。

原文链接：

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。

期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。