4.人工神经网络（介绍2）

（3）对数-s形传输函数

输入在(-∞,+∞)之间取值,输出则在 0 到 1 之间取值，公式为
（4）函数

2.多输入神经元


R个输入与权值，一个偏置值 a=f（Wp+b）
n=w11p1+w12p2+…+w1RpR+b，也可写成 n=W*p+b。W为R行向量。

3.网格结构
3.1单层神经元
若有S个神经元组成单层网络，输入为R


（简化表示） 公式依旧为a=f（W*p+b），不同的是W，此时权矩阵W为S行R列。
3.2 多层神经元
此时，第一层的输出看作是第二层的输入，每一层的权值矩阵W为W1,W2…Wn。

如某层的输出是网络的输出,则称该层为输出层,而其他层叫隐含层。上图中的网络有一个输出层(第 3 层)和两个隐含层(第 1 层和第 2 层)。不同层可以有不同数目的神经元。

3.3 总结
一般来说，多层网络的功能更强，精度更高。网络的输入/输出神经元的数量是由问题描述定义的。隐含层的神经元数目并无确切标准，层数大多为2到3层。