我14岁，对神经网络非常感兴趣。我从9岁起就开始编程，最近发现了AI和神经网络的世界。 14岁对我对数学的理解有一些限制，而我对微积分一无所知。确切地说，是否存在不需要高级数学的神经网络？我了解神经网络，但后置支撑是卡住的地方。我是否可以在没有所有这些数学运算的情况下有效地支持道具，并且仍然可以创建一个神经网络来解决简单的线性问题？预先感谢！
答案 0 :(得分：1)
这可能并不令人兴奋，但我强烈建议您尝试使用Perceptrons。他们是神经网络的不错的入门介绍。而且，如果您真的愿意使用MLP，那么您就可以专注于学习梯度下降的概念以及函数的变化率
答案 1 :(得分：0)
很高兴看到您的年龄已经达到了如此高的水平，所以我真的建议您继续编程。至于您的具体问题：
从数学上讲，神经网络是计算机科学中的主题，与其他任何事物一样：要构建一个迭代计算斐波那契数的函数，它无疑有助于理解底层算法及其属性，但由于实现了该算法，因此并不需要那里有很多材料，涵盖了诸如此类的内容，而您无需对其了解太多。
至于神经网络，有很多不同的工具，其中一些您可能以前听过。不完整的列表包括，例如TensorFlow，PyTorch（我个人最爱），Keras（如果需要，在后端使用TensorFlow）以及许多其他列表。
所有这些都使您可以按照以下方式“实现反向传播”（在PyTorch中为示例）：
optimizer.zero_grad()
loss.backward()
optimizer.step()
optimizer和loss的初始化也很容易，您有很多不同的选择。
当然，通过所有这些选择，您必须（至少在某种程度上）知道要使用哪种体系结构（或优化器，损失等）。如果您了解基本操作的执行情况，它将极大地帮助您！即使只是一些高层次的了解，也知道what a Convolution does，Mean Squared Error differs from Cross Entropy Loss（只是在这里加上一些单词）将如何使生活变得更加轻松。
您的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，与传统的编码不同，计算机无法真正告诉您失败的原因是什么。这使得调试起来非常困难，尤其是在您缺乏对基本概念的理解的情况下。
当然，您可以从创建一个简单的神经网络开始，甚至不需要太多的了解。列出的许多工具包都提供了自己的教程部分，以帮助您入门。
尤其是当前围绕着神经网络的所有炒作中，有大量（或多或少经验丰富的）人在那里创建Jupyter笔记本，GitHub页面，博客条目等，其中充满了有价值的示例。
与计算机科学中的所有内容一样，实践是完美的，您将逐渐开始理解越来越多的基本概念。
正如戴夫（Dave）所指出的那样，那里也有一些非常简单的解释，这些解释更多地集中在理论上。当前，许多人正在尝试从完全不同的领域转向AI / ML，因此对这个主题的了解与您差不多。可悲的是，在了解了其背后的“基础数学”之后，我才开始讨论该主题，因此我不推荐任何具体的书籍/教程/作者进行阅读。