磨铁读书 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?

磨铁读书推荐阅读:我在农村说媒,拯救天下光棍都市之至尊战神全民觉醒:我隐藏了空间系谜案追凶地摊捡漏,开局万倍利润四合院:傻柱子的幸福生活陆云我的七个姐姐风华绝代免费阅读 小说娱乐:进狱顶流,我绝不踩缝纫机猛男下山,整个世界瑟瑟发抖游龙十三针高武签到赛亚人,一路爽翻爆星辰小巷人家:守护庄家?开局成孤儿阿姨别哭,我帮人帮到底好了穿成小寡妇后我乘风破浪网游:我能无限铸造神装重生渔村:从截胡村花阿香开始爱始终都像那片海重生之完美投资神豪狱医凶猛邪帝毒宠:爆萌兽妃反派的白月光替身我不当了异常生物猫耳娘战神:我真的只是个弟弟高冷男神住隔壁:错吻55次娱乐:你们不带我玩,那我就掀桌子了都市机甲异能者娇妻的修真逆缘灵气复苏之我能进化一切网游之野望第一位传奇驯兽师上医至明麻二娘的锦绣田园诸天金手指之打造快乐人生龙婿陆凡免费阅读高考落榜,狂撸百亿网贷杀向股市赵宁岳飞铠甲勇士大巨作全铠甲回归枭雄:被女友陷害后,出狱成大哥我有一座道具库凡星异化龙神太子地府年度最佳员工这可不是洛圣都四合院:大茂将我从桥底背回后概念神:我十级,他夭寿的十转了吸血姬饲养守则M级异能:观测者开局天降系统,我摸手就能治万病超级资源大亨我当宇宙意识的那些年
磨铁读书搜藏榜:我有一个异世界天家小农女又谜又飒穿成悲催农女后的发家日常上门佳婿大国重器:机师成神之路!开局我怒休渣男逃离异都王牌相公:霸道妻主爱上我身为仙帝的我开局穿越了万亿透视豪医鸡飞狗跳的农门生活重生之着魔.操盘手札记无限影视,从流金开始岁月如此多娇相思西游之大圣追爱记觉醒钞能力都市医仙魂穿大汉之未央宫赋都市游侠之青铜短剑农女:星际战将在古代开顺风快递残疾大佬不孕不育?她一胎生四宝!带着萌宝去结婚于枫于山高雨霜噩梦复苏,我有一只小僵尸三国召唤之袁氏帝途民政局门口签到,奖励美女老婆想躺平,却被娱乐圈女人们套路了特级厨师四合院:这个司机太过嚣张赘婿无双官道红颜四合院:从下乡归来后开始离婚后我成了薄爷的白月光闪婚甜蜜蜜:总裁老公宠爆了黑心娇妻,太放肆!我是真有宝藏农家努力生活乡村野汉:与表姐一起钻进山林白手起家杀嫡重生,反派演员被爆捐款无数一窝三宝,总裁喜当爹沧桑之情天才高手的妖孽人生从1977开始快穿之跪求愿望成真绝世容颜美女总裁董事长是我老婆四合院:八极传人过目不忘玄门大佬她直播后,全国沸腾了田园弃妇
磨铁读书最新小说:何处尽欢颜财神佑富马俊传奇中篇小说集世间百态队友屯积分,我屯队友反派:穿越过去不降智重生1960,从神农架打猎开始名臣后裔刚出大学,富婆小姐姐要包养我隐世龙皇冠禁止维度系统助力:林风的逆袭之旅重生缅北之我有大佬靠山躺平,从蓝星找媳妇生娃开始被嫌弃太穷,我靠黄金瞳成为富翁贫民少年的逆天改命竹匠生存边缘之异界入侵铁柱,下山快活去吧!神临之后权力巅峰:反贪第一人民国地主沉浮存款永远一千,包养我你分期付款全民领主:我能无限鉴定词条!奇门医圣开局校花妈妈给我当秘书师傅和貌美如花徒弟们美母骑士:超神学院时空蔷薇篇我以青铜成就王者都市异能:失落与重拾的力量回穿,卖掉宝藏富可敌国吃上萝莉软饭的科学家只想摆烂第四天灾:鬼子的噩梦来了上门女婿我不当了,你闹啥娱乐:我一个雇佣兵你让我当演员七零之八个扶弟魔的弟弟重生了开局德械师,从伪军到独裁元首偷听心声:前妻她口是心非未来的我?是天降的白给美少女!如此当官带着民众奔小康校园异能联盟人在都市,系统在末世!用成仙骗我送外卖?逆位迷宫拿着易经去穿越都市僵尸王之万界风卷行戈真千金一睁眼,满级马甲爆虐人渣让你当黑手套,你给人去城市化求生:我的兵种叠加所有升级路线我在华夏镇诸天