今天有看这方面资料，一点点感想。

首先这样的模型，从功能上讲是很强的，人脑有神经元10^11左右个，我们就可以随心所欲的思考。人的视觉，触觉，听觉都是输入，肢体的控制神经，语言中枢神经和口腔发声控制神经都是输出，从本质上讲这样的抽象是根本的，所谓思维就是这个神经网络中的神经元的相互作用的过程。其次，什么是记忆？记忆就是‘反馈神经’，不知道这个名词准确与否。在《数字逻辑》中时序逻辑电路中也是这样的，输出反过来当成输入，构成一个‘反馈线’，反馈线上的电信号就是‘记忆’，简单的触发器就是这样两个反馈线的与非门构成的，触发器就是‘存储器’的基本元件，一个触发器可以记录一bit，内存上的Memory就是这样做的，同样在神经网络中也是这样，我们把回忆拿出来，重新思考，我们把昨天未下完的一盘棋拿出来继续思考，这就是反馈输入嘛。至于有没有硬盘式的存储器，就不清楚了，实际上，如果把我们的神经系统看成‘电系统’，我们什么时候断过电哟，你拿你的脑袋使劲往墙上撞，有可能会断一会电-_-

其次一点，就是怎么‘学习’？总的来讲，分两种，有教师的学习和无教师的学习，有教师的学习就像是一种训练，我想要这组人工神经网络（ANN）的功能是这样的，我就拿一堆的正确的[输入，输出]去训练它，拿输入数据得到真实的输出，再和理论输出比较，拿这个误差去修改‘弧’上的权值，最终使得它满足所有的‘学习资料’，就拿最简单的与逻辑门来说吧，输入神经元x1,x2（0,1），输出y=f(x1*w1+x2*w2-e)，测试数据是：
0,0,0
0,1,0
1,0,0
1,1,1

初使w1,w2,e随机得到，假设是7,4,5吧，第三组数据训练有误差，结果是7-5=2输出是1，于是修正
w1=w1+a(0-1)x1
w2=w2+a(0-1)x2

其中a是(0,1)间的值，表示学习的增益因子，用于控制调整的速度，就取0.5吧，于是修正后的w1=6.5,w2=4，还是不满足，再修正几次，直到w1=4.5,w2=4,e=5就满足了，于是它就会做‘与’运算了。

这里教师的作用就是提供‘正确’的训练数据，这样做学得很快，跟人一样，我们在学校里学习就是这样。另外一种无教师的学习，就会慢很多，会在失败中学习，想起以前英语老师教我们学英语就是要"Make mistakes & try again!"，从错误中学习。而正确与错误与否是外界告诉的，这就是要去尝试，去栽根头，然后再爬起来。

评论