本站原创文章,转载请说明来自《老饼讲解-BP神经网络》www.bbbdata.com
对于新人,搜出的神经网络资料一大堆,往往不知从何下手,又不知哪里是终点,
本文笔者给出自己的建议,希望能给到新人一些帮助
在学习神经网络之前,一定要明确学习的方向,
这样才能确定要学习哪些内容?
神经网络的板块和学习路线
神经网络的三块知识内容
人们概念中的神经网络大概指三块
👉 传统经典神经网络
👉 BP神经网络
👉 深度学习
神经网络的两条应用路线
在实际应用中,则分为两条路线
👉 传统神经网络路线
👉 深度学习路线
如果要搞图象、音频、文本这三大块,那就走深度学习路线(要学BP神经网络+深度学习)
如果不搞图象、音频、文本这三大块,那就走传统神经网络路线(要学BP神经网络+传统经典神经网络)
也可以理解为,
如果只是用BP辅助解决一些不涉及图象音频文本的专业问题
那就走BP神经网络+传统经典神经网络方向
如果需要解决图象音频文本或人工智能等问题,就需要走深度学习方向
两者的焦点、学习方法、所需基础知识和学习成本是极大地不同的,不可混为一谈
知道要学什么很重要,知道不需要学什么则可以节省很多不必要的时间
由于本站提供的内容是BP神经网络+传统经典神经网络路线,
本节只列举本路线的学习内容和学习路线细节
传统神经网络学习内容
传统神经网络学习内容
传统神经网络较多,我们必学的有BP神经网络、径向基神经网络、竞争神经网络,
还有不少其它的神经网络,可以自行按需补充
详细如下:
👉BP神经网络:BP神经网络
👉径向基神经网络:精确径向基、径向基、广义神经网络、概率神经网络
👉竞争神经网络:LVQ、SOM
👉其它神经网络:感知机、Hopfield、Elman等
传统神经网络学习路线
传统BP神经网络笔者建议学习路线如下:
👉1.先学习BP神经网络
👉2.学习其它神经网络
下面我们细讲BP神经网络的学习路线和"其它神经网络"的学习顺序
为什么先学习BP
首先,我们的目标,肯定是要学习BP神经网络的,
它是最有代表性,也最为实用的神经网络,也是过渡到深度学习的基础
有很多书本的介绍,是从感知机开始,由简到易,但笔者并不这样建议
BP并不是那么难以入手,
如果按照历史发展,由简到易地去学,要耗费非常多的时间
很可能在还没学到BP,就已经耗尽了激情
反而一开始就着手学习BP,会非常有成就感,反而能激发着自己不断继续学习
更重要的是,其它神经网络与BP并没有太大关系,
笔者看不到先学习其它神经网络对学习BP有什么好处,仅仅是为了给脑袋预热?
其它经典神经网络的学习顺序
传统经典神经网络有感知机、LVQ、SOM、径向基等等。
学习哪一个都没有太大关系,这些算法都是很小的一个算法,
它们之间没有太大的关联,找时间不断逐个击破即可
如果一定要给个优先度,那笔者建议如下学习:
径向基--> LVQ--> SOM--> 感知机--> Hopfield--> Elman
这样的排序主要基于学习难度与算法实用程度的综合性价比。
BP神经网络学习路线
BP学习的路线建议如下
1、先掌握一些基础理论,调用工具箱实现一些DEMO。
基础理论key word有:归一化、过拟合、梯度下降等
2、将BP神经网络应用于自己的项目。
3、学习梯度下降法重写BP神经网络。
4、学习LM算法重写BP神经网络。
其它神经网络学习路线
其它神经网络的学习内容都相对较小,
先学理论,再通过应用、代码实现等进行夯实即可
在理论学习的同时,更多的是实践中积累的经验,
只有在实践中不断发现问题,解决问题,才能更加深入的理解和应用好算法。
End