人工神经网络--初寒
人工神经网络的第一次寒冬
- 1. 回顾
- 2. 感知器算法的局限性及证明
-
- 2.1 计算机中图像的存储形式
- 2.2 连通图非线性可分的证明
- 2.3 人工神经网络的第一次寒冬
- 3. 结尾
- 参考资料
1. 回顾
在1957年,Rosenblatt
提出了感知器算法,尽管前面一讲中,我们讲到了感知器算法有那么多的历史意义,但是在当时并没有引起轰动。虽然大家觉得将神经元数学模型引入到机器学习领域的尝试是非常新颖的,但是这个算法没有实际的应用。
2. 感知器算法的局限性及证明
以我们今天的观点来看,问题出在感知器算法只能解决线性可分数据集的分类,对于线性不可分的数据集感知器算法无能为力,但现实生活中大多数分类问题却都是线性不可分的。第一次明确说出上述这些话的人是Marvin Minsky
,他是人工智能的先驱之一。在1969年,Marvin Minsky
写了一本书《感知器》(Perceptrons
),在书中,他明确的定义了线性可分与非线性可分的概念,并指出感知器只能处理线性可分问题,同时,他用大量实际的例子论证了生活中很多分类问题是线性不可分的。
下面我们看其中的一个例子,Minsky
指出,识别一幅二值图像是不是连通图,这个问题是线性不可分的问题。
什么是连通图呢?它的意思是图中任意两个黑色的点都能找到一组黑色的点将他们连起来。例如下面的图2,图一、图二是连通图,图三、图四是非连通图。Minsky
用数学严格地证明了识别一幅二值图像是不是连通图,是一个线性不可分的问题。
2.1 计算机中图像的存储形式
在讲述这个证明之前,我们需要先了解一下图像在计算机中的存储。在计算机中,图像是以矩阵的形式存储的。下图3(a)是一幅 512 × 512 512×512 512×512的灰度图像,即这幅图像长有 512 512 512个像素,宽也有 512 512 512个像素,这些像素的点规则均匀的排布在图 3 ( b ) 512 × 512 3(b)512×512 3(b)512×512的矩阵中,而矩阵中的每一个数是像素值,这幅图是 8 b i t 8bit 8bit的灰度图。在这幅图中,像素值是 0 − 255 0-255 0−255的整数,其中 0 0 0代表纯黑色, 255 255 255代表纯白色,而中间值代表各种不同的灰度。如果是彩色图,那么将会得到三个矩阵,每个矩阵分别代表红色 ( R ) (R) (R)、绿色 ( G ) (G) (G)、蓝色 ( B ) (B) (B)三个颜色分量,而这三种分量的值也是在 0 − 255 0-255 0−255之间。
我们这里提到二值图是指每个像素要么是白色,要么是黑色。我们用 0 0
下一篇: Java 面向对象 - 枚举类详解
推荐阅读
-
第一章:新手指南:认识人工神经网络
-
人工智能算法工程师(中级)课程 14 - 用于拟合问题和优化的神经网络优化与设计及代码详情
-
人工智能艺术革命:利用神经网络生成创新艺术作品
-
前馈神经网络解密:深入理解人工智能的基石
-
超低功耗人工智能芯片:神经脉冲所需的能量仅为同类神经网络的 0.02
-
机器学习实践:基于 Scikit-Learn、Keras 和 TensorFlow 第 10 章 利用 Keras 构建人工神经网络
-
【复旦邱锡鹏教授《神经网络与深度学习公开课》笔记】神经元和人工神经网络
-
如何利用潜变量对多问卷问题进行人工神经网络 两份问卷的相关性分析
-
人工神经网络原理》读书笔记(六)--玻尔兹曼机【通俗易懂
-
双足机器人步态研究 - 人工神经网络