第655章【神经网络深度学习】

“每个输入需要一定的权重，在前面加一个调节权重的系数[W]，后面加一个常数方便更好地调整阈值，于是这个函数就变成了这个样子。”

方鸿也看向了会议大屏幕，是一个新的数学公式。

【W1X1+W2X2+W3X3+b=Y】

陈宇看着屏幕里的公式说：“为了实现激活的过程，对输出值再作进一步的处理，增加一个激活函数，比如当X＞1时，输出1；当X＜1时，输出0，于是就成了这个样子。”

“不过这个函数看起来不够圆润，不是处处可导，因此不好处理，换成Sigmoid函数，这样一个简单的函数就可以处理分类问题了。”

“单个的感知机，其实就是画了一条线，把两种不同的东西分开，单个感知机可以解决线性问题，但是对于线性不可分的问题却无能为力了，那意味着连最简单的异或问题都无法处理。”

异或问题对于在场的所有人包括方鸿都明白，这是计算机的基本运算之一。

这时，陈宇自我反问道：“异或问题处理不了，那岂不是判死刑的节奏？”

陈宇旋即自答：“很简单，直接用核函数升维。感知机之所以能变成现在的深度学习，就是因为它从一层变成了多层，深度学习的深度就是指感知机的层数很多，我们通常把隐藏层超过三层的神经网络就叫深度神经网络，感知机是如何通过加层搞定异或问题的？”