第(2/3)页

    孟谦虽然在游戏引擎的开发上需要学习不少东西，但人工智能...是他的专业。

    “重生后终于能给人讲一回人工智能了啊...”孟谦有种封印被稍稍掀开的感觉。

    2001年，还没有深度算法，深度算法是2006年枫叶国多伦多大学教授Geoffrey    Hinton提出的，不过这一世，深度算法的提出者的名字，注定会变成孟谦...

    这一世对孟谦来说，其他领域都可以失败，唯独人工智能领域不行，这是一个算法架构师的尊严问题...

    2001年的华夏，成熟程序员就不多，更不要提成熟的算法工程师了，所以孟谦打算在大风科创开始培养，反正大部分员工都很好学，孟谦慢慢把自己的东西教给他们。

    他们以后的路怎么走，就看他们自己了。

    “我们先来了解一下人工智能的历史，这个事情要从1981年的诺贝尔医学奖说起，获奖者发现人的视觉系统的信息处理是分级的，从此激发了人类对神经系统新的思考。

    ...

    1957，人类首次提出了可以模拟人类感知能力的机器，叫做感知器，感知器的算法原理就是计算出恰当的权系数（w1，w2，…，wn），使系统对一个特定的样本（x1，x2，…，xn）能产生期望值d。

    ...

    但是感知器只能解决线性问题，无法解决非线性问题，这之后，便有了BP神经网络的崛起。

    BP神经网络是一种多层的前馈神经网络，它的第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是误差的反向传播，从输出层到隐含层，最后到输入层，依次调节隐含层到输出层的权重和偏置，输入层到隐含层的权重和偏置。

    ...

    BP网络采用的传递函数是非线性变换函数，Sigmoid函数，单极性S型函数定义如下：f(x)=1/1+e?x，单极性S型函数定义如下：f(x)=1?e?x/1+e?x。

    ...

    BP算法的代码实现方式我给大家简单操作一边。

    先定义一个BP神经网络的类，设置网络相关参数，实例化该神经网络，构建成一个输出3维，输出1维，带有3个隐藏层的BP网络，初始化BP神经网络的时候，开始初始化各层网络节点的权重、权重动量、误差初始值，引入学习训练数据...”
    第(2/3)页