- 神经网络简介
- 博客主要内容
- 神经网络框架
- 神经网络前向传播实例
- 神经网络反向传播实例
- 总结
- 引用
一.神经网络简介
今天,神经网络(nerual networks)已经是一个相当大的、多学科交叉的学科领域[1]。它不能用简单的用“一个算法”,“一个框架”,来总结它的内容。从早期神经元(neuron),到感知器(Perceptron),再到Bp神经网络,然后到今天的深度学习(deep learning),这是它的大致的一个演变的过程。虽然不同的年代换了不同的说法,不过,大致的思想,比如前向数值传播,反向误差传播等思想是大体一致的。
二.主要内容
本博客主要详细介绍神经网络的前向传播和误差的传播过程,通过简单的只有单层隐藏层的神经网络,然后利用详细的数值实例来进行演示。而且,每一个步骤,博主都提供了tensorflow[2]的实现代码。
三.神经网络框架
对于一个神经元有
tensorflow的代码
def multilayer_perceptron(x , weights , bias):
layer_1 = tf.add(tf.matmul(x , weights["h1"]) , bias["b1"])
layer_1 = tf.nn.sigmoid(layer_1)
out_layer = tf.add(tf.matmul(layer_1 , weights["out"]) , bias["out"])
layer_2 = tf.nn.sigmoid(out_layer)
return layer_2
四.神经网络前向传播实例
(1)确定输入数据和GD
X = [[1 , 2] , [3 , 4]]
Y = [[0 , 1] , [0 , 1]]
很明显 batch_size = 2. 其中第一次batch_size
X1 = 1
X2 = 2
(2)初始化权重和偏执
从图1看出 weights数目为8 偏执为4
weights = {
'h1': tf.Variable([[0.15 , 0.