UFLDL 笔记 01 神经网络

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$h_{W,b}=f(W^tx)=f(\sum^3_{i=1}W_ix_i+b)$
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：
$$f'(z)=1-f^2(z)$$

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$h_{W,b}$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