前馈神经网络(全连接神经网络)
1、 概念及组成
前馈神经网络:每层神经元与下层神经元相互连接,神经元之间不存在同层连接,也不存在跨层连接。
组成:输入层、隐藏层、输出层
常用神经元:M-P神经元
2、 常见的激活函数
Sigmoid函数、tanh函数、ReLu函数
激活函数常有的性质:
非线性
可微性
单调性
f ( x ) ≈ x f(x)approx xf(x)≈x
输出值范围
计算简单
归一化 :要把你需要处理的数据经过处理后(通过某种算法)限制在你需要的一定范围内
sigmoid函数
l
双曲正切函数(tanh函数)
ReLU函数
3、训练
没有隐藏层的神经网络,称为感知机。感知机的训练过程见下:
对于包含隐藏层的神经网络,通常使用BP算法(误差逆传播算法)进行训练:
假定隐藏层和输出层的激活函数为sigmoid函数。各项参数设定如下:
其中g i 为:输出层神经元的梯度项。同理,由链式法则可以推出: