梯度下降
现在是时候进行前面提到的例子的下一步了。我们想确定成本函数的最小值。我们可以使用梯度下降法实现这一点。使用这种方法，许多参数会发生变化，直到达到最小值。下图就是一个例子。
梯度下降算法使我们能够训练模型以得出最优解决方案。
人工神经网络
人工神经网络试图模仿人类大脑中的生物神经网络。——从鸟类启发飞机，到缠结启发维可牢尼龙搭扣，再到鲸鱼启发风力涡轮机加速。同样，人类大脑启发了神经网络的创建。
典型的大脑含有近 1000 亿个称为神经元的微小细胞。每个神经元由一个细胞体和从细胞体发出的多个连接组成：众多树突（细胞的输入 - 将信息带入细胞体）和一个轴突（细胞的输出 - 带走信息）。
不过，当你考虑到人工神经网络在许多应用中的使用情况并且随着时间的推移变得越来越智能时，你会发现它还是非常有效的。
例如，当我们呈现一只猫的图像时，神经网络将预测它会被感知到什么。一开始所有的连接都围绕不同的节点，例如输出会像这样：10％ 猫 20％ 吉他等等。但随着网络训练，这些百分比会慢慢变为 90％ 猫、1％ 吉他。除其他外 柬埔寨号码数据 通过前面提到的梯度下降，所有连接都得到了调整。通过在训练阶段提供大量图像，结果变得越来越准确。神经网络最终能够识别猫的图像。
现在您可能认为神经网络的概念很新，但事实并非如此。正如你在下面看到的，第一个人工神经网络，感知器，早在 1958 年就已被开发出来。 1992 年，人们已经利用神经网络迈出了自动驾驶的第一步。
神经网络之所以变得流行，部分原因在于硬件的进步，以及诸如击败专业围棋选手的计算机 AlphaGo 等热门项目。
ilionx，您的人工智能和机器学习合作伙伴
这只是冰山一角。我本人对机器学习非常热衷，因为我现在了解了特斯拉的自动驾驶如何运作、文本和语音识别如何运作。但也要了解 Apple 的 Siri 是如何工作的。
此外，我们在 ilionx 内部越来越多地处理机器学习。目前，我们正在致力于智能产业，其中一个例子就是农业领域的作物识别。
近年来我一直担任前端开发人员，但未来我还想向机器学习工程师迈进，并参与 ilionx 具有挑战性的项目。您是否和我一样对机器学习感到兴奋？我想通过我的文章告诉你们我的下一步计划。下一步我们已经知道了：深度学习专业化。