一.神经网络的优势
对于复杂的非线性分类问题,当特征变量个数 n 很大时,用逻辑回归时
而神经网络能很好的解决上面那种复杂的非线性分类问题。
二.神经网络的模型
1.神经元的模型
图中橘黄色部分即为一个神经元, x1,x2,x3 是其输入, hθ(x)=g(θTx)=11+e−θTx ,我们称这是一个以S型函数作为激励函数的人工神经元。
2.神经网络的模型
神经网络是一组神经元的组合,如下:
神经网络的模型分为输入层,隐藏层和输出层,其中隐藏层可能有多层。每个层次包含一个或多个单元。如上图中输入层包括 x0,x1,x2,x3 四个单元,其中 x0=1 是偏置单元。上图的隐藏层只有一层,加上偏置单元一共有四个单元。上图的输出层只有一个单元。
三.神经网络的相关参数及前向传播计算
a(j)i ——第 j 层第
Θ(j) ——权重矩阵,控制着从第 j 层到第
具体映射关系表现为:
a(2)1=g(Θ(1)10x0+Θ(1)11x1+Θ(1)12x2+Θ(1)13x3)=g(z(2)1)
a(2)2=g(Θ(1)20x0+Θ(1)21x1+Θ(1)22x2+Θ(1)23x3)=g(z(2)2)
a(2)3=g(Θ(1)30x0+Θ(1)31x1+Θ(1)32x2+Θ(1)33x3)=g(z(2)3)
hΘ(x)=a(3)1=g(Θ(2)10a