实话，开创“机器学习”新领域，成为“深度学习”等技术路线的指路人，的确十分诱人，光是提出“人工神经网络”的概念，就足以名垂青史了。

    但对于自己现在的水平，江寒心里还是很有数的，不谦虚地，只能算略知一二。

    前世虽然上过大学，学的却不是计算机专业，在编程和硬件领域，基本上全靠自己摸索，知识体系并不完善。

    至于“人工神经网络”方面，前后只看了几本入门教材，外加在p站看了十几个系列视频教程。

    一些重要的概念是清楚的，一些经典算法也是了解的，做一些简单的推演，应该也没什么大问题。

    可许多公式背后的原理，当时就没能理解得十分深刻，到了现在，印象就更加模糊了。至于那些需要最先进的数学工具，才能完成的证明与推导……

    在机器学习领域，“深度学习”被称作最具颠覆性的理论，以他目前掌握的这点儿皮毛，想要从无到有地开辟出一整条技术路线，难度可想而知。

    可难就不搞了吗？

    这是个难得的机遇，一定要好好把握才校只是他还需要好好想一想，如何妥善运用那些“走私”来的知识。

    既要充分发掘价值，也要注意合理性。起码拿出来的东西，要符合自己的人设，要找得到合理的解释，免得惹出什么不必要的麻烦……

    江寒前思后想，终于做出了决定。

    总之，必须尽快将“感知机”的概念抛出去，否则后续的一系列技术，全都得憋在脑袋里，没法拿出来见人。

    只是这样一来，估计自己将来基本跑不掉一个“机器学习宗师”、“ai教父”、“人工神经网络创始人”之类的称号了……

    别看“感知机”简单，却是“人工神经网络”的基石，很多“机器学习”算法，比如支持向量机（svm）、深度学习、d-qlearning、生成对抗网络（gan）……都是在其基础上才发展出来的。

    在另一个世界，“感知机”的概念诞生于1957年，由cornell航空实验室的frankrosenblatt提出。

    本质上是一个线性分类模型，用于解决二元线性分类问题，对应于输入空间中将实例划分为两类的分离超平面，是最简单的前馈人工神经网络。

    好，人话。

    简单点，感知机就是一个算法，通过大量训练，可以让电脑掌握某种规则，然后按照这种规则，将输入的数据分成两类。

    如果输入的数据空间只有两个维度，将其视作平面直角坐标系，那么“感知机”的图像，其实就是一根直线。

    “感知机”虽然简单，还是有点用的。

    比如经过训练后，输入身份证号，就能帮你判断出是男是女；比如输入身高和体重，就能判断是否超重……

    可能有人会问：随便写个程序，不是很简单就能实现这些功能吗？

    但感知机的神奇之处，在于使用同样结构的程序，就能在很多领域里通用，而不用针对性编程。

    这是机器学习和常规编程的本质区别。

    感知机结构异常简单，工作原理也不复杂，但要想写成论文，也需要进行一些数学推导，以及前置理论。

    “感知机”是建立在m-p模型的基础上的。

    生物的神经细胞结构，主要由树突、突触、细胞体及轴突组成。单个神经细胞有两种状态：激活或者未激活。

    神经细胞是否激活，取决于从其它的神经细胞收到的输入信号量，及突触的强度（抑制或加强）。

    当信号量总和超过了某个阈值时，神经元就会激活，产生电脉冲，电脉冲会沿着轴突并通过突触传递到其它神经元……

『加入书签，方便阅读』