导读： 贴子已被锁定 2002-04-03 有关爱情神经网络的FAQ1- 请问神经网络是一种mm吗?答: 神经网络是一种复杂的动力学系统, 但是和mm的复杂程度比, 其差距犹如P类问题和NP类问题.由于目前还不能证明NP=P, 现在只能说神经网络(nn, neural network)是一种极其简化的mm模...
贴子已被锁定
2002-04-03 有关爱情神经网络的FAQ 1- 请问神经网络是一种mm吗? 答: 神经网络是一种复杂的动力学系统, 但是和mm的复杂程度比, 其差距犹如P类问题 和NP类问题.由于目前还不能证明NP=P, 现在只能说神经网络(nn, neural network)是 一种极其简化的mm模型,一个mm至少等于两个神经网络(m=nn => mm = nn+nn) 2- 据说有一个网络稳态称为婚姻,详情如何? 答: 准确地说,那不是一个稳态,而是一个混沌吸引子, 表现为输入模式gg尽管被该吸引 子吸引,但是存在另外一种力使其偏离. 由于两种力本身都是高度非线性的,所以表现为 gg变量在mm网络中跳来跳去做近乎随机的绝望跳动. 3- 请问"感动"在网络的样本学习中占多重要的比重? 答: 要时刻牢记mm网络是一类非传统人工智能系统,永远不要企图用逻辑推理和规则提 取的方法了解其内部运行. 不过就目前文献所报道的结果而言, 一类特殊的冲击学习方 法"感动"对样本(标准输入如gg)被mm网络记忆基本没有效果. 因为mm感动的那一时间点 确实有大的响应,但该响应衰减极快, 对gg被网络容纳基本无长期效果. 用俗话说就是 没有mm会光因为感动而嫁给gg. 4- 请问什么是感知器 答: 感知器是一个mm发展的早期, 所谓的清纯玉女即主要指这种网络(目前一般仅可在 学龄前mm中发现). 这种网络的主要特征是结构简单,没有隐含的层次;输出只有一个,忠 实可靠;输出函数线性,简单明了. gg模式遇到这种网络甚为幸运,因为她只能对世界做 很简单的线性划分:好人(+,我要嫁的),和坏人(-,我不喜欢的). 可惜mm网络界的前辈 鸣死鸡 出于未知的居心攻击感知器:今天你异或了没有? 换言之, 你能处理好一半儿特 征好另一半坏的gg吗? 至今仍有玉女派拥护者攻击鸣死鸡,认为他是无理取闹, 纯属因 为自己无法被感知器接受而产生酸葡萄效应. 5- 请问什么是误差反向传播网络(BP) 答: BP网络是在感知器的基础上发展起来的, 反映了mm更加狡猾的后期发展. 主要改进 是第一,有了多层,甚至有很多外面看不见的隐含节点,使gg估计自己是否可以被接受更 加困难, 第二, 加入一种叫转移函数的非线性东东, 使gg根本无法知道自己进入这个网 络以后会变成什么. BP网络的学习算法,是比较自己心目中理想的白马王子和现实输入 的gg经过非线性东东折磨后数值的差距, 然后用一种最贪心的方式去寻找使这个差距最 小的gg. 通常,一个BP总会比较大量的输入样本然后才进入所谓"收敛"状态. 总之, BP 是mm网络发展史的里程碑,反映了gg被压迫程度的新高度. 6- 请问什么是胜者全取网络 答: Winner takes all(WTA)网络是一种
