【神经网络算法】如何理解和使用神经网络算法?
人脑智慧的核心就在于这些神经元的连接机制。大量神经元的巧妙连接,使得人脑成为一个高度复杂的系统。人工神经网络就是一种模拟人脑神经结构的建模方式(算法)。目前,神经网络在人工智能和数据挖掘领域都有广泛的应用,例如应用于商业数据的分类预测和聚类分析中。
人工神经网络可以画成下图的形式,下图是一个三层神经网络,当然也会有两层和多层神经网络,分析者可以根据实际情况选择。在三层神经网络中,分成输入层、中间的隐层以及输出层,神经网络的处理单元(节点)就分布在这些层中。
输入节点负责接收和处理输入变量值;隐层节点负责实现信息传递转换;输出节点负责给出输出变量的分类预测结果。节点之间的连接以及连接强度可以通过训练数据(训练集)来建立,训练数据越多,节点之间的连接以及连接强度就越接近真实情况。 神经节点结构 神经节点也可以称为神经元。在人工神经网络中,神经节点的结构如下图所示,可以发现完整的节点由加法器和激活函数组成。
如果节点接受的输出信息用X表示,这些信息经过赋予权重,然后进入加法器,经过下面的加法器公式计算,得到综合值:
得到综合值以后,综合值代入到激发函数中,得到输出信息Y:
在加法器和激发函数的作用下,神经元节点会起到一个切割面的作用。假设训练数据的每个个案(研究对象)是处于n为空间中的点(研究对象有n属性变量),那么每个节点就是一个切割面。一个切割面将n为空间划分为两个部分,k个神经元就是k个切割面,可以将n维空间划分为若干区域。
理想的情况下,处于不同区域的研究对象属于不同类别,处于同一区域的研究对象属于同一类别。 总结一下 以上就是神经网络的分析逻辑,它由人类的思维方式入手,通过特别的算法设计,使得能够通过大量的历史数据建立成熟的神经网络模型,从而用于现实生活的分类判断。
因为SPSS中,神经网络模块比较简单,更为负责的分析原理介绍会在介绍Modeler软件时再细化。下篇文章将介绍如何使用SPSS进行神经网络模型的建立和预测。
