浅层神经网络
3.1 神经网络的概览
注意:左上角使用()来标记的话就是样本数据中的第几个数据,而使用【】来标记的话就是网络的第几层
3.2 神经网络的表示
左边的x1,x2,x3表示神经网络的输入层
a[0],而中间表示`隐藏层`a[1]是一个四维向量,因为中间的节点有4个(在训练的过程中是无法得到中间隐藏层的数据的,所以叫做隐藏层),最后的节点表示输出层
a1
这是一个两层的神经网络(在计算神经网络的层数的时候,我们是不记录输入层的
)
在隐藏层拥有两个参数w[1]与b[1],其中w是一个(4*3)
的向量,其中4是因为隐藏层有4个节点,而3是有三个输入特征
;b2是一个(4*1)的向量,其中4是因为隐藏层有4个节点,而1是有1个b实数
在输出层也是有两个相关的参数w[2]与b[2],其中w是一个(1*4)
的向量,其中1是因为输出层有1个节点,而4是隐藏层有四个节点
3.3 单个样本的计算神经网络的输出
基本的计算过程:
通过向量化的方法我们可以:
Z 1 = W 1 ∗ X + b 1 Z^1=W^1*X+b^1 Z1=