Page 85 - 高中 信息技术 选择性必修4 人工智能初步

 3.5 人工神经网络

人工神经网络用不同的方法来处理这个问题，其思想就是利用大量的手写数字（训练
样本），开发出一套从训练样本中进行学习的系统。换句话说，人工神经网络使用如图
3-14所示的样本来自动推理出识别手写数字的规则。此外，通过增加训练样本规模，神经

网络能学到手写数字的更多规则，从而提升它的识别精度。

图3-15 生物神经元与人工神经元
广东教育出版社
人工神经网络（Artificial Neural Network，简称ANN）由六大组件组成，分别为：
（1）输入节点。输入节点关联着一个个数值x ，可以是任意实数：正数或负数，整数
i
或小数。

（2）连接。每一个从输入节点出来的连接，都关联着一个权重值（Weight）w ，这个
i
值也可以是任意整数。
（3）输入和权重的结合。对输入数值求加权和y=f(∑w x )，即
i i
y = f( w x +w x +…+w x ）
1 1
n n
2 2
（4）激活函数。最简单的激活函数（Activation Function）就是恒等函数（Identity
图3-14 手写数字训练样本
Function），其输入输出相等，即 f ( x ) = x。这里的x就是输入与连接的加权和。就像生物神
本节我们将使用Python编写一段计算机程序来实现一个能识别手写数字的人工神经网 经元的突触只在特定条件下激活一样，人工神经元也只在超过阈值时激活。假设这个阈值
络，这段程序能够在没有人工干预的情况下达到98%的识别精度。实际上，最好的商业神 是0，那么激活函数
经网络已经应用于银行支票处理和邮政编码识别等领域。

3 . 5 . 1 人工神经网络的基本原理 这个激活函数叫作线性整流函数（Rectified Linear Unit），又称为修正线性单元，是
一种人工神经网络中常用的激活函数。其他常用的还有sigmoid、tanh和softmax等。
（5）输出节点。输出节点呈现激活函数的结果。

调 查 （6）偏置。偏置（Bias）可以认为是一个值固定为1的输入节点，它可以调节激活函
数，提高学习算法性能。
进行下述任务的调查，分小组进行汇报。
注意，感知机只能处理数值数据。也就是说，需要把字符等数据都转换为数值格式。
（1）通过网络搜索和文献查找的方式，了解人脑神经网络的结构和各结构的主要作用。
感知机控制的是阈值，可以将其用作样本分类：高于特定阈值的输出，表示样本属于某一
（2）以小组合作的形式，调查人工神经网络在人工智能领域的典型应用。
类；而低于阈值就归为另一类。直线“输出=阈值”就是两个类别的决策边界。
2. 多层感知机
“神经网络”一词是对人脑结构的比喻。神经网络的基本构成单元是神经元。
感知机组成的网络就是多层感知机（Multilayer Perceptron，简称MLP），多层感知机
1. 感知机
又称为前馈神经网络。神经元以层级结构组织在一起，层数一般是二三层，但是理论上层
感知机（Perceptron）是最简单的一种神经网络，由单个神经元构成。如图3-15所
数是无限的。所以这种具有多个层级结构的神经网络算法人们通常叫作深度学习。网络的
示，就像生物神经元具有树突和轴突一样，人工神经元呈树状结构，有多个输入节点和一
层就像生物神经元：一层的输出，是下一层的输入。
个输出节点。

77 77

21Y3228.indd 77 2019/10/10 14:24:05