通過不斷嘗試引入各種參量，最終得到允許誤差范圍內(nèi)的解，并通過引入?yún)⒘肯禂?shù)，最終得到最優(yōu)解。

從數(shù)學的角度講，人工神經(jīng)網(wǎng)絡(luò)的本質(zhì)從機器學習的過程可理解為通過參數(shù)求最佳解得過程。同樣也是一個負反饋的過程，以最簡單的負反饋神經(jīng)網(wǎng)絡(luò)bp神經(jīng)網(wǎng)絡(luò)(back propagation)為例，其本質(zhì)可以形象的理解為這樣一個過程：

我們假設(shè)這個剛搭建的好的機器人叫“小明”（假設(shè)他剛出生），他的硬件軟件等我們不需要考慮的部分全部是最先進的，小明的大腦里現(xiàn)在是最純凈的，除了一個學習的算法什么都沒有，就像一個剛出生的嬰兒一樣。

現(xiàn)在，小明餓了，想吃東西。那么如何才能吃到東西呢？在什么都不知道的情況下，小明開始探索如何才能不餓。他可能會伸手，或者笑、哭，于是母親喂了他吃的，從邏輯上可以這么理解：

然后他每次餓了，都開始伸手-笑-哭，然后就有吃的了。突然，有一天他自己也不知道怎么搞的，直接哭了。然后---有吃的了?。?！這時他才明白這一個邏輯：

這時候，機器人“小明“明白，其實達到一個目的很簡單，但是需要不斷嘗試。

再后來，小明又餓了，這回他懶得動，稍微小哭了一下等吃的，結(jié)果媽媽沒來喂他！這是為啥？然后他就哭的超級大聲，媽媽看他這樣子以為是病了，急沖沖的送她去診所，結(jié)果啥病也沒有，小明迷惑，這是為什么？邏輯可以這么理解：

然后他把哭聲再稍微降低以點，變成了很正常的哭，這時媽媽終于恍然大悟，喂他吃的。小明終于明白，想吃東西，首先需要哭，然后若哭聲小，不起作用，需要調(diào)大哭聲，若哭聲過大，會起反作用，需要把哭聲再降小一點，就有吃的了。

以上就是人工神經(jīng)網(wǎng)絡(luò)的本質(zhì)，通過不斷嘗試引入各種參量，最終得到允許誤差范圍內(nèi)的解，并通過引入?yún)⒘肯禂?shù)，最終得到最優(yōu)解——喂食=哭。通過負反饋機制，當參量所占權(quán)重過小，以當前參量所得結(jié)果為參考依據(jù)適當增加參量權(quán)重比例，增加的比例的系數(shù)隨機。通過第二次的結(jié)果和第一次的結(jié)果選擇更合適的權(quán)重系數(shù)，最后經(jīng)過不斷的“嘗試“得到最優(yōu)解。

以上過程即是bp負反饋神經(jīng)網(wǎng)絡(luò)的算法思想。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！