image.png

1、這是一個(gè)兩層的神經(jīng)網(wǎng)絡(luò)，也可以叫做的模型；
2、這里面包含四個(gè)輸入??_(1 ),??_2,??_3,??_4,對(duì)應(yīng)于英文的nlp模型可以理解為每個(gè)單詞或詞組；
3、Hidden unit層的圓圈代表感知機(jī)，一個(gè)感知機(jī)相當(dāng)于大腦的一個(gè)神經(jīng)細(xì)胞；
4、最后的輸出y，對(duì)應(yīng)于分類的模型就是分類的類別。

訓(xùn)練過程中

輸入的單詞??在進(jìn)入感知機(jī)后，如果輸出預(yù)測(cè)類別??和真實(shí)的類別??有差距，模型會(huì)對(duì)感知機(jī)內(nèi)部的參數(shù)進(jìn)行調(diào)整，使得預(yù)測(cè)的??和真實(shí)值??不斷接近。 因?yàn)槟Ｐ兔看握{(diào)整不會(huì)一部到位，而是調(diào)整小量的值（預(yù)防調(diào)整過頭）。所以我們需要一定量帶有真實(shí)類別y數(shù)據(jù)和時(shí)間來訓(xùn)練模型。 現(xiàn)實(shí)生活中進(jìn)行的分類一般不只一類，一句話也不只4個(gè)單詞。對(duì)應(yīng)這樣的工程就需要大量的數(shù)據(jù)集來訓(xùn)練模型。

要達(dá)到高性能水平，必須考慮兩件事：

1、能夠訓(xùn)練足夠大的神經(jīng)網(wǎng)絡(luò) ；
2、大量標(biāo)記數(shù)據(jù)。