机器学习中的神经网络是什么意思?
2 543
1
该提问暂无详细描述
收藏
2021-01-18 09:55 更新 阿托 •  16715
共 1 个回答
高赞 时间
1

我们可以看一些讽刺性的语句。从直觉上来说,如果语句的情绪正面但评分较低,则其语义可能是讽刺的。例子:

语句1:“我讨厌被美丽的女人撞上,但是我买了这件夹克后,问题解决了!” (评分:0.5 / 5) 语句2: “很棒的墨西哥卷饼,实际上现在可以开始煮豆子了。” (评分:1/5)

不难注意到,语句的情绪是积极的(“问题解决”,“很棒的”),但评分较低。可以看出语句的内涵其实是在讽刺。

现在我们推测{情绪,评分}和{讽刺}之间存在某种关系,我们列出一些数据点: 情感(正面为+1,中立为0,负面为-1), 评分(0至5), 讽刺(1表示肯定,0表示否)

(情感,评分,讽刺) (1、0.5、1) (1、1、1) (1、5、0) (-1、4、1) (-1,1,0) ……

因此,要找出实际的关系,我们要研究情绪和评分值,以某种方式获得讽刺的值。将使用图层作为从输入到输出的步骤,看第一个示例(1、0.5、1):

该网络中的每条线都有权重。我们将使用这些权重来计算隐藏层和输出层(我们希望为“ 1”)中圆圈中的值。最初,随机分配权重:

现在我们有了最初简单的神经网络。我们来看一下输出结果,在隐藏层和输出层的每个圆(也称为“神经元”)上,我们将其输入与相应的权重相乘,然后对结果求和。 隐藏层第一个神经元=(1 * 0.2)+(0.5 * 0.4)= 0.4 隐藏层第二个神经元=(1 * 0.3)+(0.5 * 0.6)= 0.6 隐藏层第三个神经元=(1 * 0.4)+(0.5 * 0.7)= 0.75

另外,我们希望输出(讽刺值)为0到1之间的数字,通过在输出层上使用魔法函数来完成此操作,该魔法函数将任何给定的数减少为0到1之间的一个数。在任何神经元处使用的任何函数都称为激活函数,在这种情况下,输出层使用Sigmoid函数。

最后一层(神经元)=(0.4 * 0.3)+(0.6 * 0.4)+(0.75 * 0.5)= 0.735 输出= Sigmoid(0.735)= 0.324

由此得到输出为0.324。 但是我们期望的输出是1, 那么该怎么办? 我们需要稍微改变权重来将输出推向正确的值,可以使用“反向传播”的方法来完成此操作。

我们会重复数千次,涵盖所有训练数据,每次都会略微改变权重。 最终,获得“正确”的权重,并根据情感和评分值来最好地预测是否讽刺。

转载自https://qr.ae/pNms9M

收藏
2021-01-18 14:35 更新 正直的烤面包 •  3944