(1)神经网络算法模型展示
神经网络算法在学习复杂的非线性假设上是一种比较好的算法,即使输入特征空间或者n很大,也能轻松搞定。
如何定义神经网络的假设函数
Layer1是输入层。
Layer2为隐藏层。隐藏层实际上就是一个复杂式子的中间计算过程,除了输入层外,其他的每一个节点表示的就是一个计算过程,计算的具体过程由参数值所决定。所以不论所要求解或者表达的式子多么的复杂,通过增加隐藏层的数目和层中的节点数,一定可以表示出来。
Layer3是输出层。
下面是上图中的三个隐藏值计算的过程以及输出层h(x)的值
Layer1是输入层。
Layer2,3为隐藏层。
Layer4是输出层。
不管有几层都是为了得到非线性假设函数
举例子来说明神经网络是怎样计算复杂非线性函数的输入
AND(逻辑和)
全真才为真
OR(逻辑或)
有真即为真
NOT(逻辑非)
非真为真
XNOR(非异或)
相同才为真