大集合及其近期工作（1）

前向传播与反向传播

***1***这是一个神经网络的图：

这是一个常见的三层神经网络的基本构成，Layer L1是输入层，Layer L2是隐含层，Layer L3是隐含层，当我们输入x1,x2,x3等数据时，通过隐含层的计算、转换，输出你的期望，当你的输入和输出是一样的时候，成为自编码模型（Auto-Encoder）,而当你输入和输出是不一致的时候，也就是我们常说的人工神经网络。

其中 i1: 0.02 i2: 0.04 截距b1:0.4 b2:0.7 期望的输出数据o1:0.5 o2:0.9
目的是为了能的到 o1:0.5 o2:0.9的期望的值，计算出 w1, w2, w3…w8的权重值、
先假设这些值
w1=0.25
w2=0.25
w3=0.15
w4=0.20
w5=0.30
w6=0.35
w7=0.40
w8=0.35

2.1 前向传播
2.1.1 输入层到隐含层


反向传播