神经网络学习入门示例



我们第二层的第一个神经元，只需要识别数码管的a段。他只需要关注2-5的像素，得到4个黑就表示这个亮起了，但是第一层的所有66个像素都会连接这个神经元，所以可以给66个神经元都添加个权重，只有2-5像素的为1，其他像素都为0。那么只要的到的结果是4就表示这个段被点亮了。

总结下，设上层输入的神经元有n个，表示为，对应的权重为，设置的阈值表示为b，那该神经元的输出就是： b ? s:0\"但是结合有的不显示和计算周围的，那么输出的结果会有0、3、4、5多种，这样激活值不统一相差可能会很大，不利于下游计算，所以需要把激活值归一化后再传给下游，归一化的工具就是激活函数。对应激活值的计算就变成：而我们经常听到的有多少多少参数，指的就是网络中的的个数。该神经网络中总共有个参数。上面因为场景限制，只需要识别七段数字，所以参数设置比较简单，但是如果扩大到28*28像素的手写数字识别呢，这么多参数怎么设置呢？

我们可以使用七段led数码管来显示数字，对七个段分别编号，通过控制不同的灯的亮灭来实现显示不同的数字。那么同理，我们只要知道数码管每个段的亮灭情况，就能推断出当前显示的是什么数字。那么如果无法直接得到每段的亮灭信息，要怎么识别显示的是什么数据呢？能否通过神经网络来实现呢？

把七段式数码管的数字转成图片，每段占四个像素，连接处一个像素。如下图总共使用66个像素点。在此归一化为黑、白两色，正常会灰度化为0-1范围内的一个值。

5

如果灯有坏的，或者拍的照片受光线影响效果不太好，如下有个像素没有亮。对应的右侧识别a段的神经元只能的到3，那么我们希望这个也认为该段是点亮了，那么我们设置个阈值，比如得到的像素大于2，就往下传递，不大于2就不传递。这个阈值就是该神经元的激活值。

66

e

6

后续可以看神经网络入门-手写数字识别。参考上面的逻辑，思考如何识别手写数字。手写数字通常使用28*28=784像素表示，通过两次处理网络。

转化为神经网络就是输入层66个神经元。我们目的是识别出0-9的十个数字，所以输出层是十个神经元，分别对应十个数字。那么怎么把66 => 10呢？

2

4

我们可以再添加一层神经元，用来处理66个输入，处理结果提供给输出层用作判断依据。中间添加的一层要有几个神经元，只添加一层够不够，这个就要靠经验了。当前我们只是识别七段的数字，有这一层限制加上上面我们反推的，只需要知道对应七段的显示情况就可以识别出数字，所以中间加一层七个的神经元，分别识别七个段就可以了。

逐步把下面的1-7置顶，可在下方依次显示对应内容

1

g

3

a

如果灯有坏的，或者拍的照片受光线影响效果不太好，如上有个像素没有亮。对应的右侧识别a段的神经元只能的到3，那么我们希望这个也认为该段是点亮了，如果在多两个坏掉的呢，a段神经元只能得到1，这样就应该认为这一段是亮的。随意我们需要设置个阈值，比如得到的像素大于2，就往下传递，不大于2就不传递。这个阈值就是该神经元的激活值。

c

总结下，设上层输入的神经元有n个，表示为，对应的权重为，设置的阈值表示为b，那该神经元的输出就是： b ? s:0\"但是结合有的不显示和计算周围的，那么输出的结果会有0、3、4、5多种，这样激活值不统一相差可能会很大，不利于下游计算，所以需要把激活值归一化后再传给下游，归一化的工具就是激活函数。对应激活值的计算就变成：而我们经常听到的有多少多少参数，指的就是网络中的的个数。该神经网络中总共有个参数。

d

b

f

7