電腦也會學習？類神經網路讓您窺知一二！

大家好！我是貓大，本週專欄將為讀者介紹，類神經演算法(ANN)，如何能像我們人類大腦一樣學習，貓大將帶讀者了解什麼是ANN，以及它的概念與應用。

什麼是類神經網路？

類神經網路是一種利用電腦來模仿生物神經網路的結構和功能的運算模型，它使用大量的相連人工神經元來模仿生物神經網路的能力，並且經過學習的過程，使得電腦能夠就像人類那樣具有推理能力。

由於類神經網路是基於生物的神經網路的靈感啟發而來，所以我們可以透過了解人體神經系統，以加快認識類神經網路。
我們的大腦內是由大量的神經細胞構成，神經細胞又叫神經元，它可分成三個部分：

細胞核：是提供細胞維生的必需品。
樹突：是接收單位，專門接收別的神經元傳來的訊息。
軸突：是傳出單位，將神經衝動傳到另外一個神經細胞、肌肉或器官，軸突的末端跟另一個細胞的樹狀突相連接之間有個很小的空隙稱「突觸」，一個刺激必須要通過突觸才能到達另一個細胞。
這些神經細胞可以記憶、學習、控制感情等等的活動，藉由神經細胞與突觸的連結，在腦中形成神經網路。

而人工神經元是簡單的模擬生物神經元，它從外界環境或者其它人工神經元取得資訊，並加以運算，之後輸出結果到外界環境或者其它人工神經元，每一個人工神經元皆有多個輸入（Input）I1, I2, …, In及一個輸出O（Output），輸入值與輸出值的關係式，一般可用輸入值的加權乘積和的函數來表示，即O(t)=f(

)

W= 模仿生物神經細胞的突觸，稱為鍵結值(weights)，可視為一種加權效果，其值越大，對類神經網路的影響也更大。
b = 模仿生物神經細胞的細胞核偏權值（bias），具有偏移的效果。
f（θ）= 模仿生物神經細胞的細胞核的非線性轉換函數，目的是將加權成績和的值做映射得到所需要的輸出。
n =輸入資訊數目。
O=輸出傳到外界環境或是其他人工神經元的資料。

將上面所介紹的神經元結合起來就成為一個類神經網路。人工智慧在目前的研究盛行，經過長期發展後，很多學者提出了許多網路架構去解決不同的問題以及速度上的改進。下面我們以一個簡單的架構，來了解它的工作原理：

輸入層（Input layer）：透過許多神經元（Neuron）接受大量資訊。
輸出層（Output layer）：資訊在神經元鏈接中傳輸、分析，形成預測結果。
隱藏層（Hidden layer）：主要功能是增加類神經網路的複雜性，以模擬複雜的非線性關係，好比人類的神經突觸連結越多，就會越聰明。但過於複雜的類神經網路，會有過度學習導致預測力降低的疑慮，所以並不是人工神經元越多越好。

小故事時間

之前故事有提到，咪咪是名愛貓人士，養了一百隻貓。貓大最近看到咪咪非常難過，一問之下，原來是咪咪養的小花因為慢性腎衰竭過世了，咪咪因自己沒有提前發現小花異狀，提早讓牠接受治療而自責。為了避免悲劇重蹈覆轍，貓大建議咪咪可以使用類神經網路，來幫助診斷咪咪所養的貓是否有得到慢性疾病的可能。現在就讓貓大來跟你解釋為什麼類神經網路可以診斷疾病吧！

類神經網路的學習模式

要使得類神經網路能正確的運作必須透過學習的方式，使用過去資料去計算出預測值再與過去的實際值比較，若是預測值與實際值有出入便調整位於類神經網路內的鍵結值(Weights)，經過與過去多筆資料比對後，便能找出解決某一特定預測值的最佳權重，這樣一次又一次的調整直到收斂為止，就是類神經網路的學習模式。

若是今天我們現在想要診斷咪咪所養的貓咪有沒有慢性腎衰竭，首先我們可以透過動物醫院取得歷史的臨床資料，研究患有慢性腎衰竭的的貓之年齡、血壓、低鉀狀況、飲食狀況、尿比重的資料等。臨床資料如下：

接著我們將欲診斷的模型分為兩個程序：訓練和測試。
訓練：將動物醫院取得的臨床資料的各種情況數據作為類神經網路的輸入資料加到其輸入層，同時調整神經元之間的鍵結值，使類神經網路的輸出和實際的病例情況相符，也就是當確實患有慢性腎衰竭時，類神經網路的輸出結果也會指示為那隻貓已得到慢性腎衰竭。

測試：對咪咪所養的貓做檢查，將牠們的情況輸入到訓練好的類神經網路中去，根據網絡的輸出結果就可以知道他是否患有慢性腎衰竭。

在本章節中，貓大帶您簡單的走過類神經網路的介紹與概念以及模型的運作方式，其透過蒐集大量資訊來學習，建立出網路模型後，再透過測試資料來驗證網路模型並找到解答，而類神經網路還可以解決很多一般電腦程式所不能解決的問題，例如股票指數預測、天氣預測、手寫辨識等許多的應用，希望本週的講解，讓您對類神經網路有更深一層的認識，謝謝收看！喵～