当前位置：首页 > news >正文

深度学习（2）—— 神经网络与训练

news 2025/11/12 8:36:26

1.从神经元到感知机

想象一下，你的大脑里有860亿个"快递站点"——神经元。每个站点长得像个怪异的树杈子：中间一个圆鼓鼓的细胞体（像个仓库），顶上分叉出无数"树枝"（树突），底下一根长长的"传送带"（轴突）。当神经元"兴奋"时，它会做一件超酷的事：从传送带末端喷出一堆化学物质（神经递质），像快递包裹一样，扔给下一个站点的树枝。这些包裹可不是乱飞的——它们有"重量"，有的兴奋（"快开门！营业啦！"），有的抑制（"关门下班！"）。

而在上世纪50年代，有个叫罗森布拉特的哥们儿盯着神经元结构看了半天，一拍大腿："我去，这不就是个天然的计算模型吗？"于是有了下面最为基础的神经元模型！

神经元接收来自其它n个其它神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元将接收到的总输入值将与神经元的阈值进行比较，然后通过激活函数处理以产生神经元的输出。

而在抽象出神经元的计算模型的基础上，罗森布拉特创造了世界上第一个人工神经元网络，感知机。感知机由两层神经元组成，是一种基础的二分类模型，其训练过程是基于梯度下降算法，基本原理是通过对输入的特征向量进行线性加权和，再加上一个阈值，来得到一个输出结果。

而如果采取了多个神经元模型进行组合，这便有了多层感知机（MLP），它是一种简单的前向人工神经网络模型，一般可分为三层，输入层，隐藏层，输出层。也就有了我们如今人工神经网络的基本结构！

对比维度	感知机 (Perceptron)	多层感知机 (MLP - Multilayer Perceptron)
结构特点	单层神经元网络，仅含输入层和输出层	至少包含一个隐藏层的三层或以上网络
网络层数	2层（输入层 + 输出层）	≥3层（输入层 + 隐藏层 + 输出层）
激活函数	通常使用阶跃函数（Step Function）	使用非线性激活函数（ReLU, Sigmoid, Tanh等）
决策边界	只能学习线性决策边界	可学习非线性、复杂的决策边界
学习能力	仅能处理线性可分问题（如与、或、非）	可处理线性不可分问题（如异或XOR）
局限性	无法解决非线性问题，功能受限	可能面临梯度消失、过拟合等问题
训练算法	感知机学习规则（简单权重更新）	反向传播算法（Backpropagation）
权重更新	基于单个样本错误驱动	基于梯度下降，使用整个数据集或批次
计算复杂度	低，训练速度快	较高，训练时间长，需要更多计算资源
典型应用	简单的二分类任务、线性回归	图像识别、自然语言处理、复杂模式识别
表达能力	弱，相当于线性分类器	强，可逼近任意连续函数（万能逼近定理）

2.神经网络分析

我们不妨举个例子，假设我们知道了某种零件的长度和宽度，想要预测该零件的使用寿命。

理论上两层神经网络已经可以拟合任意函数，所以我们完全可以构建如下的一个神经网络：

在这神经网络当中，我们输入包括长度和宽度，两个特征，所以输入的是一个1*2的矩阵X；而连接输入层和隐藏层的是W1（权重）和b1（偏置），我们完全可以根据仿射变换，进行计算，得到隐藏层中Z的结果，公式如下，其实就是简单的线性代数的计算：

$Z = X*W1+b1$

同样的对于连接隐藏层和输出层的W2和b2，也是同样的计算。如果你还对线性代数的计算有印象的话，应该会知道：一系列线性方程的运算最终都可以用一个线性方程表示。这样神经网络就失去了意义，因为现实生活中大部分情况下，都是非线性关系。为此，我们引入了激活层。

2.1 激活层

简而言之，激活层是为矩阵运算的结果添加非线性的。常用的激活函数如下：

激活函数	公式	优点	缺点	适用场景
Sigmoid	$f(x) = \frac{1}{1 + e^{-x}}$	1. 输出平滑，在(0,1)之间 2. 易于求导	1. 梯度消失：在饱和区梯度接近于0 2. 输出不是零中心的 3. 指数计算较慢	二分类问题的输出层；历史模型；不应再用于隐藏层
Tanh	$f(x) = \tanh(x) = \frac{e^{x} - e^{-x}}{e^{x} + e^{-x}}$	1. 输出是零中心的 (-1, 1) 2. 在实践中通常优于Sigmoid	同样存在梯度消失问题	RNN 的隐藏层；在实践中有时代替Sigmoid
ReLU	$f(x) = \max(0, x)$	1. 在正区间解决了梯度消失问题 2. 计算速度极快 3. 收敛速度比Sigmoid/Tanh快	1. Dying ReLU：负数部分梯度为0，导致神经元“死亡”且无法恢复 2. 输出不是零中心的	目前最常用的默认激活函数，尤其用于CNN和大多数深度前馈网络的隐藏层
Leaky ReLU	$f(x) = \begin{cases} x & \text{if } x \geq 0 \\ \alpha x & \text{if } x < 0 \end{cases}$ α是一个很小的值	1. 解决了 Dying ReLU 问题 2. 保留了ReLU的所有优点	1. 结果不总是一致：超参数 𝛼α 需要选择 2. 在负区间是线性的，可能不满足“激活”的直觉	当担心出现“死亡神经元”时，可替代ReLU；表现有时优于ReLU
Parametric ReLU (PReLU)	$f(x) = \begin{cases} x & \text{if } x \geq 0 \\ \alpha x & \text{if } x < 0 \end{cases}$ α是一个可学习参数	1. 将负区间的斜率 α 作为可学习参数，更具灵活性 2. 在大型数据集（如ImageNet）上表现优异	1. 有额外的计算和参数	大型模型和数据集（如图像分类）；当需要模型自己学习最佳激活形式时
Exponential LU (ELU)	$f(x) = \begin{cases} x & \text{if } x \geq 0 \\ \alpha(e^{x} - 1) & \text{if } x < 0 \end{cases}$ α是一个超参数	1. 具有ReLU的所有优点 2. 输出接近零中心 3. 在负区间平滑渐近，可能比Leaky ReLU更有鲁棒性	1. 计算涉及指数，比ReLU慢	对噪声鲁棒性要求高的任务；可以替代ReLU尝试
Swish (由Google提出)	$f(x) = x \cdot \sigma(\beta x) = \frac{x}{1 + e^{-\beta x}}$ β是可学习参数或常数	1. 平滑、非单调 2. 在实践中（尤其深层模型）经常优于ReLU 3. 被发现在视觉任务中表现很好	1. 计算量较大（涉及Sigmoid）	深度卷积网络（CNN）和图像分类任务中一个强有力的竞争者；可以替代ReLU进行实验
GELU	$f(x) = x \cdot \Phi(x)$ Φ(x) 是标准高斯累积分布函数	1. 在Transformer模型中表现卓越 2. 结合了随机正则化的思想，是一个平滑的近似ReLU	1. 计算相对复杂	自然语言处理（NLP）领域的Transformer架构（如BERT, GPT系列）的默认激活函数
Softmax	$\sigma(\mathbf{z})_i = \frac{e^{z_i}}{\sum_{j=1}^{K} e^{z_j}}$	1. 将输出转换为概率分布 2. 所有输出之和为1	1. 仅用于输出层 2. 对极端值敏感	多分类问题的输出层；将原始分数映射为类别概率

一些激活函数的图像如下所示：

2.2 前向过程

现在我们以具体数据，来说明一下，模型内部是怎么计算的：

假定我们输入的特征矩阵为 [0.1, 0.2]，模型的初始化参数如下：

输入层 → 隐藏层：

通过Sigmoid的激活层进行输出：

隐藏层 → 输出层：

输出层的加权输入：

网络最终输出：

据此，我们依据当前的模型，预测出长度和宽度为0.1 ，0.2的零件，使用寿命大致为0.867年。

3. 反向传播（BP）

由上面的过程，可以知道，模型主要的参数就是W1,W2以及b1和b2。只有这几个参数具体数值不知道，其它的数值都知道。那我们该如何设置这些参数的值，使得模型预测的更准确呢？

实际上这些参数，并不是我们所设置的，模型最开始的时候，会随机初始化这些参数，通过对模型进行训练，让模型得以自行的调整参数，使得预测结果更为准确。举个栗子 ~，比如上面的结果，我们预测出零件的使用寿命为0.867，但实际上零件的使用寿命为1.这里就有了误差。我们使用均方误差（MSE）来表示这种误差的大小（思考一下，为什么不直接把预测值与实际值相减作为评判的误差？）：