激活函数
y=sigmoid(WX)
我们假设每个训练样本为(x,t),其中向量相x是训练样本的特征,而t是样本的目标值
用样本的特征x,计算出神经网络中每个隐藏层节点的输出a,以及输出层每个节点的输出y。
然后,我们按照下面的方法计算出每个节点的误差项n:
对于输出层节点i,
ni=yi(1-yi)(ti-yi)
ni是节点i的误差项,yi是节点i的输出值,ti是样本对应于节点i的目标值
对于隐藏层节点
。。。。。
激活函数
y=sigmoid(WX)
我们假设每个训练样本为(x,t),其中向量相x是训练样本的特征,而t是样本的目标值
用样本的特征x,计算出神经网络中每个隐藏层节点的输出a,以及输出层每个节点的输出y。
然后,我们按照下面的方法计算出每个节点的误差项n:
对于输出层节点i,
ni=yi(1-yi)(ti-yi)
ni是节点i的误差项,yi是节点i的输出值,ti是样本对应于节点i的目标值
对于隐藏层节点
。。。。。