代码详解: 用R语言构建ANN并将其可视化( 四 )_神经网络是一种模拟原始人类思维的计算

感知器

ANN是由激活函数定义的设计，其由互连的信息处理组件实现以将输入重建为输出。人工神经网络一直与人类大脑进行比较。神经网络的第一层需要原始输入，处理它并将准备好的信息传送到隐藏层。隐藏层将信息传输到最后一层，生成输出。 ANN的选择是它本质上是自适应的。它从所提供的信息中读取，这意味着它从数据中训练自己，数据能够感知结果并优化其权重，以便在结果未知的情况下获得更好的预测。

感知器是一种单层神经网络，这是神经网络中最基本的形式。感知器支持多维输入，并使用加权求和和激活目的来进行准备。它使用标记数据和学习算法进行训练，该算法优化求和处理器中的权重。感知器模型的一个重要限制是它无法处理非线性问题。多层神经网络成功实现了这一限制，有助于解决非线性问题。输入层与隐藏层连接，隐藏层又连接到输出层。连接被加权并且权重被优化以应用学习规则。

在R中拟合神经网络

R中的神经网络拟合开始于将数据拟合到ANN中。