剛剛在看一篇名為《中國人口增長模型》的數學建模**時，同時最近人工智慧又處於風口上，所以就想能不能將神經網路演算法應用到時間序列型的模型上，當經過一會的思考否決了這個演算法，因為神經網路演算法是屬於資料擬合演算法。
這裡先結合網上的資料簡單介紹一下什麼是神經網路演算法，在高中的生物課上我們都學過大腦裡面充滿了神經元，人的大腦活動實際上是大腦神經元的活動，人要完成乙個思考需要非常非常多個神經元共同作用，但是這些神經元之間的作用不是單單的疊加關係，而是分為多層神經元交叉作用。神經網路演算法其實只是模擬大腦神經的部分工作原理（正因為這個原因，我認為人工神經網路是無法達到人腦的），神經網路演算法模擬了大腦神經元的矩陣式作用，也就是構建多層神經元，上一級影響與下一級，影響力通過兩個神經元之間的權重來體現。
為什麼說神經網路演算法是資料擬合，因為神經網路演算法是利用大量資料進行擬合出合適的權重，在進行**時實際上是通過與已知的資料集進行比較，取出最接近的**結果，例如在人臉識別領域，如果利用神經網路演算法同時建立在大量的資料上可以得到很好的結果，但是如果把拿乙個在資料中沒有出現的人來讓它識別，很顯然它也無計可施。所以說對於逃離整個資料集的資料我認為神經網路就存在很大的侷限性了。最後我認為目前的深度學習演算法都可以歸結於資料擬合演算法。
神經網路演算法
神經網路其實就是按照一定規則連線起來的多個神經元。上圖展示了乙個全連線 full connected,fc 神經網路，通過觀察上面的圖，我們可以發現它的規則包括 1.神經元按照層來布局。最左邊的層叫做輸入層，負責接收輸入資料 最右邊的層叫輸出層，我們可以從這層獲取神經網路輸出資料。輸入層和輸出層之間...
建模演算法筆記 擬合演算法
在插值演算法中，樣本點太多，那麼多項式的次數過高，會造成龍格現象。儘管可以用分段避免，但我們更想要獲得一條確定的曲線，即使這條曲線不能經過每乙個樣本點，但只要保證誤差足夠小就可以。arg是引數的縮寫，argmin是引數使得 裡面的最小 第一種 絕對值，可以變成第二種 二次方 1 但為什麼不是三次方，...
BP神經網路演算法
bp神經網路是一種基於有監督的學習，使用非線性可導函式作為傳遞函式的前饋神經網路。一 模型 bp神經網路由輸入層 隱含層 輸出層組成。訓練過程分為網路輸入訊號正向傳播和誤差訊號反向傳播，按有監督學習方式進行訓練。1 相鄰層之間結點的連線有乙個權重wij，其值在 1,1 之間 2 每乙個神經單元都有一...