UFLDL=Unsupervised Feature Learning and Deep Learning
01 神经网络
神经网络由神经元构成,首先看神经元的结构:
1.1 神经元
单个神经元简单来说就是输入数值(刺激),代入一个激活函数,如果达到阈值便输出一个对应的值。
其输出为
hW,b=f(Wtx)=f(∑3i=1Wixi+b)
其中激活函数一般可以选为sigmoid函数或者双曲正切tanh函数,当选用sigmoid函数时,单个神经元实际上可以看做一个逻辑回归
导数公式}
sigmoid的导数:
f′(z)=f(z)(1−f(z))
tanh导数:
f′(z)=1−f2(z)
1.2神经网络
多个神经元首位相接就是神经网络,如下图
这里的+1是截距,叫作偏置节点,在说某一层的节点数量时,偏置节点不计数在内。
以上网络的数学形式为
其实这可以写成矩阵的形式,利用线代的知识快速求解
可以看出一共有
3∗3+3∗1
个权重值w
这里还有简单的标记形式
记
z(l)i
为l层第i单元输入加权和
那么
a(l)i=f(z(l)i)
那么最后输出的
hW,b
就是以
z(3)
为输入的了,这里没写下表i,就表示所有向量了。
以上的神经网络的输出为单个输出,如果输出层为多个节点,那就就可以是多输出了。
这样 一层一层先前计算的就是向前神经网路