bp神经网络学习01

本文介绍了bp神经网络的基本理论,详细推导了阈值b的反向传播误差调整公式,并提供了Python代码实现,包括不带阈值和带阈值的情况,同时探讨了使用relu和sigmoid作为激活函数的不同简写形式。
摘要由CSDN通过智能技术生成

1、bp神经网络理论

以下内容摘自《人工神经网络理论、设计及应用》韩力群
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2、阈值b反向传播调整公式推导

在《人工神经网络理论、设计及应用》韩力群,只是推导了权值误差调整公式,下面我推导一下阈值b的误差调整公式。
在这里插入图片描述

3、python 实现

下面代码是隐层与输出层不带阈值的情形:

from functions import *
x=np.array([[0,0,0],[0,1,1],[1,0,1],[0,0,1]])
t=np.array([[0],[1],[1],[0]])
class SimpleNet():
          def __init__(self,input_size,hidden_size,output_size):
                    self.w0=np.random.random((3,4))-1
                    self.w1=np.random.random((4,1))-1
          def sigmoid(self,x,bl=False):
                    if bl==True:
                              return x*(1-x)
                    return 1/(1+np.exp(-x))

net=SimpleNe
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值