1.M-P神经元

M-P神经元，全称为McCulloch-Pitts神经元，是一种数学模型，用于模拟生物神经元的功能。这个模型是由Warren McCulloch和Walter Pitts在1943年提出的。它是人工智能和计算神经科学领域中非常重要的早期模型。
M-P神经元接收n个输入（通常来自其他神经元），并给各个输入赋予权重计算加权和，然后和自身特有的阈值$\theta$进行比较（作减法），最后经过激活函数（模拟“抑制”和“激活”）处理得到输出（通常是给下一个神经元）
$$y=f(\sum _{i=1}^n{w}_i{x}_i-\theta )=f(w^{T}x+b)$$
单个M-P神经元：感知机（sgn作激活函数）、对数几率回归（sigmoid作激活函数）
多个M-P神经元：神经网路

2.感知机（分类模型）

2.1 sgn函数

sgn 函数，或称为符号函数（sign function）：是一个数学函数，用于确定一个实数的符号。sgn 函数的定义如下：

• 当x>0时，sgn(x)=1
• 当x=0时，sgn(x)=0
• 当x<0时，sgn(x)=-1
  图像如下：
  

2.2 感知机

1）模型
其具体公式如下：
$$y=sgn(w^{T}w-\theta )=\{\begin{array}{ll}1& ,w^{T}x-\theta >=0\\ 0& ,w^{T}x-\theta <0\end{array}$$
其中，$x\in {\mathbb{R}}^N$为样本的特征向量，是感知机模型的输入，$w,\theta$是感知机模型的参数，$w\in {\mathbb{R}}^n$为权重，$\theta$ 为阈值

从几何的角度来说，给定一个线性可分的数据集T，感知机的学习目标是求得能对数据集T中的正负样本完全正确划分的超平面，其中$w^{T}x-\theta$即为超平面方程。
n维空间的超平面$(w^{T}x+b=0,其中w,x\in {\mathbb{R}}^n)$:

• 超平面方程不唯一
• 法向量w垂直于超平面
• 法向量w和位移项b确定一个唯一超平面
• 法向量w指向的那一半空间为正空间，另一半为负空间

缺点： 只能解决线性可分的问题
模型图如下所示，只包含一个输入层和一个输出层。

2）策略
感知机的学习策略是，随机初始化$w,b$,将全体训练样本带入模型找出误分类样本，假设此时误分类样本的集合为$M\subseteq T$对任意一个误分类样本$(x,y)\in M$来说，当$w^{T}x-\theta >=0$时，模型输出值为$\hat{y}=1$,样本真实标记为y=0;繁殖，当$w^{T}x-\theta <0$时，模型输出值为$\hat{y}$=0,样本真实标记为y=1。综合两种情况可知，以下公式恒成立
$$(\hat{y}-y)(w^{T}x-\theta )>=0$$
所以，给定数据集T，其损失函数可以定义为：
$$L(w,\theta )=\sum _{x\in M}(\hat{y}-y)(w^{T}x-\theta )$$
此时损失函数是非负的。如果没有误分类点，损失函数值为0.而且，误分类点越少，误分类点离超平面越近，损失函数值就越小。
损失函数还可以进一步优化，将$\theta$并入$w$向量中成为第n+1维0，其中x的第n+1维恒为-1。那么损失函数进一步简化为：
$$L(w)=\sum _{x\in M}(\hat{y}-y)w^{T}x$$
3）算法
当误分类样本集合M固定时，可以球的损失函数$L(w)$的梯度为
$${\nabla }_{w}L(w)=\sum _{x_i\in M}({\hat{y}}_i-y_i)x_i$$
学习算法具体采用的是随机梯度下降法，也即极小化过程中不是一次使M中的所有误分类点的梯度下降，而是一次随机选取一个误分类点使其梯度下降。所以权重$w$的更新公式为：
$$w\leftarrow w+\Delta w$$
$$\Delta w=-\eta ({\hat{y}}_i-y_i)x_i=\eta (y_i-{\hat{y}}_i)x_i$$
其中$\eta$为学习率,最终解出来的w通常不唯一。
从几何角度方便理解一点，如下图所示，

可以看到红线和绿线都可以把正负样本分开，它们代表了两组$w$,因此说明解不唯一。

3.神经网络

为了解决线性不可分的数据集（其他的当个神经元的模型也可以结局线性不可分的数据集，只是感知机不可以），提出了由多个神经元构成的神经网络，且用通用近似定理可以证明：只需一个包含足够多神经元的隐层，多层前馈网络（最经典的神经网络之一）就能以任意精度逼近任意复杂度的连续函数。
优点：
既能做回归，也能做分类，而且不需要复杂的特征工程。
需要考虑的问题：

• 对于具体场景，神经网络该做多深，多宽？（没有理论支撑，都是实践经验）
• 对于具体场景，神经网络的结构该如何设计才最合理（没有强理论指导）
• 对于具体场景，神经网络的输出结果该如何解释？（模型的可解释性可以用来指导特征调整）

经典神经网络——多层前馈网络：
每层神经元与下一层神经元全互连，神经元之间不存在同层连接，也不存在跨层连接。

将神经网络（NN）看作一个特征加工函数
$$x\in R^d\to NN(x)\to y=x^{\ast }\in R^l$$
回归：后面接一个$R^l\to R$的 神经元
$$y=w^T{x}^{\ast }+b$$
分类：后面接一个$R^l\to [0,1]$的神经元，例如激活函数为sigmoid函数的神经元
$$y=\frac{1}{1+e^{-(w^T{x}^{\ast }+b)}}$$
神经网络可以自动提取特征不用人为的手工设计特征。
神经网络训练方法——BP算法：
在20世纪80年代之前，尽管神经网络已经存在一段时间，但其实际应用受到了限制，主要原因在于无法有效地训练多层神经网络。
在这个背景下，1986年，David E. Rumelhart, Geoffrey E. Hinton, 和 Ronald J. Williams在他们的论文《Learning representations by back-propagating errors》中提出了反向传播算法。这一算法为多层前馈神经网络的训练提供了一个有效的方法，使得神经网络可以在更多复杂问题上展现出强大的表现力。
BP算法是一种基于随机梯度下降的参数更新算法。反向传播算法在处理多层神经网络时，通过链式法则有效地计算梯度，而随机梯度下降则用于基于这些梯度更新权重。反向传播算法与随机梯度下降相辅相成，共同实现了多层神经网络的高效训练。
下面是以输入层第i个神经元与隐层第h个神经元之间的连接全$v_{ih}$为例推导一下：
损失函数
$$E_k=\frac{1}{2}\sum _{j=1}^l({\hat{y}}_j^k-y_j^k{)}^2$$
$$\Delta v_{ih}=-\eta \frac{\partial E_k}{\partial v_{ih}}$$
用链式求导得到
$$\frac{\partial E_k}{\partial v_{ih}}=\sum _{j=1}^l\frac{\partial E_k}{\partial {\hat{y}}_j^k}\ast \frac{\partial {\hat{y}}_j^k}{\partial {\beta }_j}\ast \frac{\partial {\beta }_j}{\partial b_h}\ast \frac{\partial b_h}{\partial {\alpha }_h}\ast \frac{\partial {\alpha }_h}{\partial v_{ih}}$$