主训的中学演讲全文加完整视频

大家好～我是英勋国际中学的主训
人类拥有神经组织，同样的计算机中则采用了人工神经网络技术。
正如神经组织的基本单元是神经元，人工神经网络的基本单元则是感知机（perceptron）。感知机由接收输入值的输入端进行处理的部分以及输出处理结果的输出端构成。此处，将各输入端所分配的权重与对应输入值相乘后所得的总和称为加权和。
当加权和小于预设阀值时，判定为0，大于阀值时则判定为1。这种感知机仅能根据输出值将输出值分为两类。但结果更复杂的人工神经网络，会将多个感知机分层排列，使得上一层的输入值作为下一层的输入值。其中，最初接收输入值的层称为输入层，最终输出结果的层称为输出层。
接下来，我们通过一个实例来具体说明，假设我们要训练一个人工神经网络，使其能够判断某张图片中的物体是否为苹果。为此，首先需要准备训练数据，为构建训练数据需准备苹果的图片，并将苹果的颜色与形状量化表示。此时，将颜色与形状这两个维度量化后整合为一条训练数据， 并连同正确答案一并输入至输入端，输入其中。若相同类别，相同输入端输入数据，当苹果的输出值为1时，则“非苹果”的输出值即为0。人工神经网络的运行大致可分为学习阶段与判定阶段。所谓学习阶段，是指将数据输入网络后，通过不断更新权重使输出值逐步逼近正确答案的过程。此时，将正确答案减去实际输出值所得的差值称为误差值。该误差值的一部分会沿输出层向输入层方向反向传播，并叠加到所有参与该输出计算的权重上。反复执行这一过程后，判定结果将愈发准确，当误差值趋近于0，权重不再需要更新时，该人工神经网络便从学习阶段转入判定阶段。此时，为提高判定准确性，宜采用特征明显且一致的训练数据。

/8!8, 渣翻 http://t.cn/AXotoDZ0