上一篇我们分别介绍了机器学习及机器学习的类型 ，其中机器学习分为监督学习、无监督学习及强化学习，下面我们来了解一下机器学习中的人工神经网络

• 什么是人工神经网络？

• 神经网络的激活函数

• 人工神经网络的结构

• 人工神经元网络示例

1. 什么是人工神经网络？

ANN 属于机器学习。它是由多个神经元节点组成的计算模型。这些节点接收输入，使用激活函数处理输入并将输出传递到下一层。

2. 神经网络的激活函数

一个基本的人工神经网络由输入层、权重、激活函数、隐藏层和输出层组成。

激活函数用于将输入转换为输出。其中一些是二元、双极、S 型和斜坡函数。

人工神经网络中使用的几个常见激活函数是：

#1) 身份功能

对于 x 的所有值，它可以定义为 f(x) = x。这是一个线性函数，其中输出与输入相同。

#2) 二进制阶跃函数

此函数用于单层网络，将网络输入转换为输出。输出是二进制的，即 0 或 1。t 表示阈值。

#3) 双极阶跃函数

双极阶跃函数具有用于网络输入的双极输出（+1 或 -1）。T 表示阈值。

#4) S 型函数

它用于反向传播网络。

它有两种类型：

二元 Sigmoid 函数：也称为单极 sigmoid 函数或逻辑 sigmoid 函数。sigmoidal 函数的范围是 0 到 1。

双极 Sigmoid：双极 Sigmoid函数的范围从 -1 到 +1。它类似于双曲正切函数。

#5) 斜坡函数

输入的加权和是 指所有输入的“输入权重与输入值的乘积”之和。

令 I= {I1, I2, I3... In} 为神经元的输入模式。 

令 W= {W1, W2, W3… Wn} 为与节点的每个输入相关的权重。

输入的加权和 = Y = (?Wi *Ii) 对于 i =1 到 n