Warum sind Gewichte und Verzerrungen in Neuronalen Netzen notwendig?

Question

Also habe ich jetzt versucht, neuronale Netzwerke über den Urlaub aufzugreifen, und ich habe eine Menge Seiten darüber gelesen. Jetzt verstehe ich nicht, warum wir Gewichte und Verzerrungen brauchen.

Für Gewichte hatte ich diese Intuition, dass wir versuchen, bestimmte Konstanten zu den Eingängen zu multiplizieren, so dass wir den Wert von y erreichen und die Beziehung kennen könnten, ähnlich wie y = mx + c. Bitte hilf mir, wenn möglich, mit der Intuition. Danke im Voraus :)

Answer 1

Ich möchte diese Antwort Jed Fox von this site gutschreiben, wo ich seine Erklärung angepasst habe. Es ist eine großartige Einführung in Neuronale Netze !:

https://github.com/cazala/synaptic/wiki/Neural-Networks-101

Angepasst Antwort:

Neurons in einem Netzwerk auf Neuronen in der Natur beruhen. Sie nehmen Informationen in sich und, diesen Informationen zufolge, werden sie eine bestimmte Antwort verweigern. Eine "Aktivierung".

künstliche Neuronen wie folgt aussehen:

Neuron J

künstliche Neuron

Wie Sie sehen können sie mehrere Eingänge haben, für jeden Eingang gibt es ein Gewicht (das Gewicht dieser spezifischen Verbindung). Wenn das künstliche Neuron aktiviert wird, berechnet es seinen Zustand, indem es alle eingehenden Eingaben multipliziert mit seinem entsprechenden Verbindungsgewicht addiert. Aber Neuronen haben immer einen zusätzlichen Input, den Bias, der immer 1 ist und ein eigenes Verbindungsgewicht hat. Dies stellt sicher, dass, selbst wenn alle Eingaben keine (alle 0) sind, eine Aktivierung in dem Neuron stattfinden wird.

Nach der Berechnung seines Zustandes passiert das Neuron es durch seine Aktivierungsfunktion, die das Ergebnis normalisiert (normalerweise zwischen 0-1).

Diese Gewichte (und manchmal Vorurteile) lernen wir in einem neuronalen Netzwerk. Betrachten Sie sie als die Parameter des Systems. Ohne sie wären sie ziemlich nutzlos! In einem Netzwerk können diese gewichteten Eingaben von anderen Neuronen kommen, so dass Sie sehen können, dass die Gewichte auch beschreiben, wie sich Neuronen zueinander verhalten, was oft die Wichtigkeit der Beziehung zwischen zwei Neuronen anzeigt.

Ich hoffe, das hilft. Es gibt viele weitere Informationen im Internet und den obigen Link. Betrachten Sie einige der Stanford's Material for CNNs für Informationen über kompliziertere neuronale Netze.