Graph neural network introduction Chapter 3 Basic neuronal networks (translated from Chinese)

文章结构概述

• 3、神经网络基础
  • • 3.1、神经元（Neuron）
    • 3.2 反向传播（Back Propagation）
    • 3.3 神经网络（Neural Networks）

3、Basic of Neural Network

神经网络 作为机器学习领域中最为关键的模型之一，其构造原理深受生物神经系统启发。人工神经网络由大量相互关联的神经元构成，整体架构与生物神经网络存在高度相似性。关于 神经网络的学习方式 ，其基本流程为：初始阶段赋予连接权重随机数值，随后通过反向传播算法对这些连接进行反复调整与优化，直至模型能够实现较为精准的预测效果。最终，神经网络所习得的信息将以数值形式保留在各连接权重之中。当前多数针对神经网络的研究工作主要聚焦于对其学习机制的改进，例如采用多样化的算法或构建不同的结构形式，核心目标在于增强模型在未知数据上的适应能力与泛化性能。

3.1、Neural （神经元）

神经网络中最基础的构成单元被称为神经元，其功能是接收一组输入信号，并据此产生对应的输出结果。图3.1展示了一个典型神经元的结构，该神经元接收n个输入变量x_1,x_2, \cdots, x_n，每个输入对应一个权重参数\omega_1,\omega_2,\cdots,\omega_n