神经网络是什么？( 二 )

了解更多硅谷前沿深度讯息请看硅发布微信公众号。
其他观点：
下面我们来点通俗易懂的几个概念。如果想系统性学习。建议买一些相关的书籍看一看。
神经网络
神经网络技术是机器学习下属的一个概念。本质上是从信息处理的角度对人脑神经元网络进行抽象模拟。从而建立计算模型。
基于神经连接的计算模型在上世纪40年代开始受到重视。大量的训练数据（包括图像、视频和语音）成功的实现了数据分析。在深度学习发展之前。神经网络通常只有3到5层。和几十个神经元/节点；深度学习之后。神经网络扩展到7到10层。甚至更多层。模拟神经元数目增至百万量级。从而面向更为复杂的问题实现更为可靠的处理。当下兴起的人工智能。主要就是大规模的深度学习。
具体来看。神经网络有三类主要形式：
1.1 前馈神经网络
前馈神经网络（Feed forward neural networks）是最常见的人工神经网络。在这种结构下。信息只向一个方向（向前）移动。即从输入层经过“隐藏层”到输出层。没有循环网络。首个单节神经网络在1958年提出。经过计算能力和训练算法的大发展。前馈神经网络展现出了更高的性能水平。
1.2 循环神经网络
循环神经网络(Recurrent neural networks)指结构中包含节点定向连接成环（loops）的人工神经网络。非常适合于处理（手写、文本、语音形式的）任意时序的输入序列。2016年11月。牛津研究报告显示。基于神经网络（和卷积神经网络）的系统在唇语识别应用中实现了95%的准确率（有经验的人类唇语者准确率近52%）。
1.3 卷积神经网络
卷积神经网络（Convolutional neural networks）是一种深度前馈人工神经网络。其逻辑结构受动物视觉大脑皮层的启发。对于大型图像处理（视觉感知任务）有出色表现。

文章插图
【神经网络是什么？】▲最好的AI系统识别能力已经超过人类