简单的二层BP神经网络-实现逻辑与门（Matlab和Python）

最新推荐文章于 2024-06-26 15:51:33 发布

仲夏夜之梦xz

最新推荐文章于 2024-06-26 15:51:33 发布

阅读量5.1k

点赞数 3

分类专栏：机器学习文章标签：神经网络 matlab python

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/cxzgood/article/details/120783552

版权

本文详细介绍了如何使用二层BP神经网络在Matlab和Python中实现逻辑与门功能，包括数学推导、前向计算、反向传播和梯度下降算法更新权重的过程，并提供了Matlab和Python的实现代码。

摘要由CSDN通过智能技术生成

该程序主要是设计一个2层的神经网络，通过BP算法实现与门逻辑。

一、逻辑与门

二、二层的神经网络

三、数学推导

根据真值表可知，输入输出的对应逻辑关系。

故设输入X,输出Y为

$X=\begin{pmatrix} 0 &0 \\ 0 &1 \\ 1&0 \\ 1& 1 \end{pmatrix}$ $Y=\begin{pmatrix} 0\\ 0\\ 0\\ 1 \end{pmatrix}$

权值W1为2*2矩阵,W2为2*1矩阵

(1). 前向计算过程

第1个神经元输出为： $\large a_{1}=X*W_{1};z_{1}=sigmoid(a_{1})$

第2个神经元输出为： $\large a_{2}=z_{1}*W_{2};z_{2}=sigmoid(a_{2})$

其中： $\large sigmoid(x)=\tfrac{1}{1+e_{}^{-x}}$

(2). 反向传播过程

公式由链式求导法则得出，这里不做推导。结果如下：

第2个神经元误差为：

$\large \delta_{2}=(Y-a_{2}).*sigmoidGradient(a_{2})$

第1个神经元误差为：

最低0.47元/天解锁文章

仲夏夜之梦xz

关注

3
点赞
踩
14

收藏

觉得还不错? 一键收藏
打赏
2
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

仲夏夜之梦xz 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。