(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。