神經(jīng)元是神經(jīng)系統(tǒng)的基本結(jié)構(gòu)和功能單位。神經(jīng)元分為胞體和突起。細(xì)胞體由細(xì)胞膜、細(xì)胞核和細(xì)胞質(zhì)組成。具有輸入信息與輸出信息的連接與集成功能。有兩種類型的神經(jīng)突：樹(shù)突和軸突。樹(shù)突的功能是接收來(lái)自其他神經(jīng)元軸

神經(jīng)元是神經(jīng)系統(tǒng)的基本結(jié)構(gòu)和功能單位。神經(jīng)元分為胞體和突起。細(xì)胞體由細(xì)胞膜、細(xì)胞核和細(xì)胞質(zhì)組成。具有輸入信息與輸出信息的連接與集成功能。有兩種類型的神經(jīng)突：樹(shù)突和軸突。樹(shù)突的功能是接收來(lái)自其他神經(jīng)元軸突的脈沖并將其傳遞給細(xì)胞體。軸突長(zhǎng)，分支少。這是一個(gè)厚度均勻的細(xì)長(zhǎng)過(guò)程。通常從軸突丘開(kāi)始。它的功能是接受外界刺激，然后從細(xì)胞體中出來(lái)。

神經(jīng)網(wǎng)絡(luò)神經(jīng)元的結(jié)構(gòu)？

如何創(chuàng)建一個(gè)優(yōu)秀的神經(jīng)網(wǎng)絡(luò)模型？

例如，要預(yù)測(cè)一個(gè)人是男人還是女人，有兩組因素可供選擇：a.頭發(fā)顏色、皮膚顏色、雙眼皮與否；B.他是否有胡須、是否有亞當(dāng)蘋(píng)果和他的體重。

因此，為了建立一個(gè)優(yōu)秀的神經(jīng)網(wǎng)絡(luò)模型，我們必須選擇具有高度相關(guān)性的因素。

同樣的因素，在不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，預(yù)測(cè)結(jié)果會(huì)有很大的不同。

如果結(jié)構(gòu)太簡(jiǎn)單，會(huì)出現(xiàn)“欠擬合”，即應(yīng)該分析的不分析；如果結(jié)構(gòu)太復(fù)雜，會(huì)出現(xiàn)“過(guò)擬合”，即不應(yīng)該分析的不分析。只有正確的網(wǎng)絡(luò)結(jié)構(gòu)才能分析出預(yù)期的結(jié)果。

例如：

一個(gè)住在偏遠(yuǎn)村莊a的學(xué)生被城市B中學(xué)錄取。他是村里歷史上唯一被B中學(xué)錄取的人。高考后，他被清華大學(xué)錄取。

如果已經(jīng)安裝了模型，將考慮100%的“住a村”和“讀B高中”的人可以被清華大學(xué)錄取。這是真的，但顯然不是我們想要的結(jié)論。

直接圖表：

沃倫·巴菲特（Warren Buffett）是公認(rèn)的投資大師，在過(guò)去20年中實(shí)現(xiàn)了20%的平均回報(bào)率；詹姆斯·西蒙斯（James Simmons）使用他的量化模型，從1989年到2009年實(shí)現(xiàn)了約35%的平均回報(bào)率。

以神經(jīng)網(wǎng)絡(luò)為核心的智能算法是否可以預(yù)測(cè)股票價(jià)格？

對(duì)于目前的深度學(xué)習(xí)模型，雖然深度學(xué)習(xí)的目標(biāo)之一是設(shè)計(jì)能夠處理各種任務(wù)的算法，但是深度學(xué)習(xí)的應(yīng)用還需要一定的專業(yè)化，目前還沒(méi)有通用的神經(jīng)網(wǎng)絡(luò)處理模型。然而，每一種模式也在相互學(xué)習(xí)、相互融合、共同提高。例如，一些創(chuàng)新可以同時(shí)改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)，如批量標(biāo)準(zhǔn)化和關(guān)注度。一般模型需要在將來(lái)提出。

圖像和視頻處理，計(jì)算機(jī)視覺(jué)，最流行的是CNN，卷積神經(jīng)網(wǎng)絡(luò)，它的變形和發(fā)展，CNN適合處理空間數(shù)據(jù)，廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)領(lǐng)域。例如，alexnet、vggnet、googlenet、RESNET等都有自己的特點(diǎn)。將上述模型應(yīng)用于圖像分類識(shí)別中。在圖像分割、目標(biāo)檢測(cè)等方面，提出了更有針對(duì)性的模型，并得到了廣泛的應(yīng)用。

語(yǔ)音處理，2012年之前，最先進(jìn)的語(yǔ)音識(shí)別系統(tǒng)是隱馬爾可夫模型（HMM）和高斯混合模型（GMM）的結(jié)合。目前最流行的是深度學(xué)習(xí)RNN遞歸神經(jīng)網(wǎng)絡(luò)，其長(zhǎng)、短期記憶網(wǎng)絡(luò)LSTM、Gru、雙向RNN、層次RNN等。

除了傳統(tǒng)的自然語(yǔ)言處理方法外，目前的自然語(yǔ)言處理深度學(xué)習(xí)模型也經(jīng)歷了幾個(gè)發(fā)展階段，如基于CNN的模型、基于RNN的模型、基于注意的模型、基于變壓器的模型等。不同的任務(wù)場(chǎng)景有不同的模型和策略來(lái)解決一些問(wèn)題。

是否存在通用的神經(jīng)網(wǎng)絡(luò)模型，可以處理圖像，語(yǔ)音以及NLP？

公司的項(xiàng)目基本上都是基于現(xiàn)成的框架。另外，作為一個(gè)人的神經(jīng)網(wǎng)絡(luò)輪子，離不開(kāi)強(qiáng)大的數(shù)學(xué)知識(shí)。它可以成為谷歌的老板。