神经网络自己搭.docx

神经网络自己搭

在人工智能教学中，大概很难绕过人工神经网络这部分内容。神经网络的搭建和训练既抽象又繁杂，在基础教育阶段，教学课时以及学习者的技能水平有限，教师需要仔细权衡如何选择教学重点和教学方式。本文介绍一个名叫“神经网络训练营”的活动项目，该活动以“MemBrain”软件为工具，让学习者扮演神经元的教官，亲自体验搭建并训练神经网络的整个过程，高效地完成“神经网络怎么搭建”与“神经网络怎么训练”的学习目标。在达成此学习目标后，便可比较平滑地进阶到神经网络框架和神经网络算法的学习。

●训练营开班啦

考虑到教官能力有限，神经网络训练营初级班的学员不多，来到本班的共有四个神经元，先给神经元们安排下座位吧，如图1所示。

工具栏里有一个画着正方形的“Insertnewneurons”按钮，用这个按钮来安排学员座位。学员的学号默认为从1到4。

●教官布置任务

默认情况下，神经元们非常“笨”，不知道要做些什么。教官的训练任务挺简单，名称叫“谦虚友善而又不浪费机会的决策者”，任务情境如下：假设有两张游乐园的票，若已经有两个人举手抢票，那么决策者就决定不参与抢票，如果只有一人举手抢票或没有人抢票，那么决策者就拿下这张票。用表格呈现出来就如表1所示。

如果把不抢票标为0，抢票标为1，则可发现，这其实是与非门（NAND）的逻辑关系。所以说，教官的任务，就是让四个神经元能相互合作，表现出与非门的运算过程。

●给学员分配角色

将1号神经元和2号神经元作为输入A和输入B，4号神经元作为输出O，分配角色的方法很简单，双击神经元，打开“EditObjectProperties”对话框，在“Type”下拉菜单里选择“Input”或“Output”即可，如图2所示。

3号神经元的作用比较特殊，将它也设置为“Input”类型，但它在后面的训练过程中，起的并不是输入的作用，而是协助计算的作用，稍后就可知道原因。除了“Input”和“Output”类型之外，还有一种“Hidden”类型，在将来解决分类识别问题时极其有用。

●学员手拉手

神经元没有眼睛、耳朵、嘴巴、鼻子，为了让它们之间能相互协作，可以将神经元连接起来，通过手拉手（触手相连）的方式来传递信息，如图3所示。

你是不是发现4号神经元有三只手？这不奇怪，它们是神经元，有再多只触手都是可以的。通过触手可以将一个神经元的信息传递给另一个神经元，不过所谓的信息，只是一个可正可负的强度值。好比一个人握住你的手，他可能握得很重也可能握得很轻，但你并不能知道某一次重重的握手代表的究竟是欣赏还是讨厌。

如果双击4号神经元，可以发现，作为输出类型的神经元，它有着更多可选项，用来决定接受到何种程度刺激后才被激活，如图4所示。

选中“LockAct.Thres.forTeacher”，表示将神经元受刺激的阈值固定下来，由于输入的刺激信号有正有负，默认情况下，如果接受的刺激信号为正，则当前神经元被激活（模拟表现为闪闪发光），否则就不产生动作。神经元没有被激活时保持静默，被激活后就会对外界发送信息。在“MemBrain”中，被激活的神经元会闪闪发光。

虽然说，神经元发出信号只有1（发光）和0（不发光）两种状态，可在信号的传递中，由于触手的强度不同，它传出的以及对方神经元所接收到的信号的强度大小也会不同。触手的强度值有一个专业的术语，称为权重。点击神经元之间的线条，就可以查看当前的权重值。

●教官发放训练要求

神经元各自的任务以及神经元之间的连接关系确立后，教官就可以发放训练要求了。点击工具栏里的书写板形状的“ShowLessonEditor”按钮，填写训练要求，如图5所示。

第一条训练要求是，1号和2号神经元输入为“0”和“0”，4号神经元输出为“1”，然后点击“NewPattern”按钮输入其他规则，由于3号神经元为协助运算，所以总是填写“1”，输入和输出规则如表2所示。

●开始训练

点击工具栏里的“灯泡”按钮，就可以一步一步训练神经元啦。所谓训练，其實就是调整神经元之间的触手强度值即权重，使得这个神经网络的信号传递能够越来越接近预先设定的训练要求。可以点击神经元之间的连线，观察触手的强度值，即权重是怎么一点一点发生变化的（至于权重是怎么一点一点发生变化的，就要深入学习神经网络的算法了）。如果不喜欢反复点“灯泡”按钮一步一步训练，还可以点“感叹号”按钮自动执行批量的训练。一般在训练开始之前，可将初始的权重值设置为随机值。

这一次的训练结果如图6所示，三条连线的权重分别是-23.4、-23.4和35.1。

如果1号和2号神经元数值分别为0和1，则4号神经元获得强度值的计算过程是：0*-23.4+1*-23.4+1*35.1=11.7。结果是接受到一个强度为正的刺激，所以4号神经元被激活闪闪发光。如