1. Feed-forwardNetwork Functions
拿下图举例说明神经网络:
上图是一个三层的神经网络,第一层叫输入层,最后一层叫输出层,中间的叫做隐含层。(x0,z0是虚构的,值都是1)
数据是如何从输入层到达输出层的呢?
首先:
wji叫做权重系数,wj0叫做偏移量wj0
进而:
得到第二层的值,h可能是sigmoid,tanh或softmax等函数。
最后:
得到输出y。
当然对于多于3层的神经网络,类似于上述计算,得到神经网络的输出y。
上述的σ函数可以是sigmoid函数之类的
2. Network Training
实际中应用的错误函数有两类:
一类是平方差函数:
这儿可以下笔记的Word版,中间那个梯度下降的gif演示图片无法播放,也可以在下面这儿下载: