神经网络建模推导及其总结

马克 2023-01-13 00:05:06

课时名称	课时知识点
神经网络建模推导及其总结

...全文

72 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

这里主要介绍了图卷积神经网络的公式是如何推导得到到，同时介绍如何从公式到具体代码实现。下一篇文章将会基于本篇文章中的图卷积神经网络，讲述该图卷积神经网络的应用。

神经网络引擎是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。神经网络引擎通过对人脑的基本单元神经元的建模和联接，探索模拟人脑神经系统功能的模型，并研制一种具有学习、联想、记忆和模式识别等智能信息处理功能的人工系统，神经网络引擎的一个重要特性是它能够从环境中学习，并把学习的结果分布存储于网络的突触连接中，其学习是一个过程。在所处环境的激励下，相继给网络输入一些样本模式，并按照一定的学习算法规则调整

神经网络基本公式的详细推导

一、m-p神经元模型： 神经网络是由许多个神经云所构成，而一个单独的神经元的结构如上图所示。若一个神经元有n个输入xxx，每一个输入都要配有一个权值www，神经元的总输入为: ∑i=1nwixi\sum_{i=1}^n w_ix_ii=1∑nwixi 生物的神经元需要收到一定程度的刺激才可被激活，所以用θ\thetaθ表示神经元的阈值,当总输入高于此值，该神经元才可被激活。神经元的输出yyy取决于激发函数y=f(x)y=f(x)y=f(x),神经元总输入减去阈值得到的值: ∑i=1nwixi−θ\su

图(Graph)是一种数据结构，能够很自然地建模现实场景中一组实体之间的复杂关系。在真实世界中，很多数据往往以图的形式出现, 例如社交网络、电商购物、蛋白质相互作用关系等。因此，近些年来使用智能化方式来建模分析图结构的研究越来越受到关注, 其中基于深度学习的图建模方法的图神经网络(Graph Neural Network, GNN), 因其出色的性能已广泛应用于社会科学、自然科学等多个领域。

章琨的课程社区_NO_1

1

社区成员

87

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章