神经元数学模型
一个具有R个输入的基本神经元如下图所示。每个输入都用适当的w加权,加权输入和偏置形成传递函数f的输入,神经元可以使用任何可微传递函数f生成输出。
多层网络通常使用log-sigmoid传递函数logsig。(还有其他激活函数,如relu函数)
当神经元的输入从负无穷到正无穷时,函数logsig产生0到1之间的输出 。
前馈网络
一个由R输入的S个logsig神经元组成的单层网络如下图所示,左边是完整的细节,右边是一个层图。
一个具有R个输入的基本神经元如下图所示。每个输入都用适当的w加权,加权输入和偏置形成传递函数f的输入,神经元可以使用任何可微传递函数f生成输出。
多层网络通常使用log-sigmoid传递函数logsig。(还有其他激活函数,如relu函数)
当神经元的输入从负无穷到正无穷时,函数logsig产生0到1之间的输出 。
一个由R输入的S个logsig神经元组成的单层网络如下图所示,左边是完整的细节,右边是一个层图。