Neural network 无微积分的神经网络

我今年14岁，对神经网络非常感兴趣。我从9岁开始编程，最近我发现了人工智能和神经网络的世界。14岁的年龄限制了我对数学的理解，我对微积分一无所知。说到这里，有没有不需要高等数学的神经网络？我懂神经网络，但背撑是我卡住的地方。我能在没有这些数学知识的情况下有效地支持prop，并且仍然能够创建一个神经网络，它可以解决比简单线性问题更多的问题吗？提前谢谢

很高兴看到你在这个年龄已经达到如此高的水平，所以我建议你继续编程。关于你的具体问题：
从数学上讲，神经网络是计算机科学中的一个主题，就像其他任何东西一样：为了构建一个迭代计算斐波那契数的函数，它当然有助于理解底层算法及其属性，但不需要实现这样的算法，因为有大量的材料覆盖了类似的东西，而你不需要知道太多

工具增加了抽象 至于神经网络，有很多不同的工具，你们中的一些人以前可能听说过。一个不完整的列表包括，例如，（我个人的最爱），（如果需要的话，它在后端使用TensorFlow）和许多其他内容

所有这些都允许您沿着这些路线“实现反向传播”（例如PyTorch）：

初始化

优化器

和

丢失

也可以很容易地完成，您可以为此获得许多不同的选择

但是，建立一个好的网络是很困难的 当然，对于所有这些选择，您必须知道（至少在某种程度上）要使用哪种体系结构（或优化器，或loss等）。如果您了解底层操作的执行情况，这将非常有帮助！即使只是一些高层次的理解、了解，如何（在这里随便说几句话）让生活变得更轻松

网络根本无法工作的原因可能只是代码中的一个很小的细节，与经典编码不同，计算机不会真正告诉您失败的原因。这使得调试变得更加困难，尤其是当您对底层概念缺乏了解时

你如何开始 当然，你可以从创建一个简单的神经网络开始，甚至不需要太多的理解。许多列出的工具包都提供了自己的教程部分，让您开始了解该领域

尤其是目前围绕着神经网络的大肆宣传，有大量（或多或少有经验的）人在创造Jupyter笔记本、GitHub页面、博客条目等，其中充满了有价值的例子
与计算机科学中的一切一样，熟能生巧，你将慢慢开始理解越来越多的基本概念

---

正如戴夫已经指出的，也有一些非常浅显的解释，这些解释更多地集中在理论上。许多人目前正试图从完全不同的领域转向AI/ML，因此对该主题的理解与您一样多。遗憾的是，在我了解了这个主题背后的“基础数学”之后，我就开始了这个主题，因此我不能推荐任何具体的书籍/教程/作者阅读。

这可能没那么令人兴奋，但我强烈建议您尝试使用感知机。这是对神经网络的一个很好的介绍。如果你真的下定决心使用MLP，那么你可以专注于学习梯度下降和函数变化率的概念

你将非常需要数学，尽管预打包的NN LIB隐藏了很多复杂性。《微积分卡通指南》是一个相当温和的介绍，如果没有其他介绍的话，它将足够地解开calc的神秘面纱，让你站起来，指向正确的方向。这并不像你想象的那么难（直到第三学期左右，事情很快变得有趣）。因此，关于反向传播的一般想法是，你从结果中逆向工作，找出哪里有错误，并相应地进行更新。微积分给了你一种观察错误的方法，它是一种量化错误的方法。这取决于你试图用神经网络做什么。您是只想训练和使用它，还是需要了解最内部的工作原理？在大多数情况下，如果您对线性方程组（即

y=mx+b

）感到满意，那么对于基本概念来说，这就足够了。如果您需要手动实现反向传播，有几个概念略高于这一点，但应该在您的能力范围内。你能说明你想做什么吗？

optimizer.zero_grad()
loss.backward()
optimizer.step()