Machine Learning第四讲[神经网络: 表示] --（三）应用

内容来自Andrew老师课程Machine Learning的第四章内容的Applications部分。

本部分内容主要是举几个简单的神经网络的简单例子。

我们首先来回顾一下神经网络的激励函数：

这个函数的值域为（0，1），其图像如下图所示：

这个图形将有助于我们在真值表中激励函数结果的理解。

实例1：AND功能

如上图所示，激励函数为：，将右侧真值表和AND的真值表比对，发现二者一致，因此，即使用神经网络实现了"与"功能。

实例2：OR功能

将右侧真值表和OR的真值表比对，发现二者一致，因此，即使用神经网络实现了"或"功能。

实例3：NOT功能

将右侧真值表和NOT的真值表比对，发现二者一致，因此，即使用神经网络实现了"非"功能。

实例4：( NOT x1 ) AND ( NOT x2 ) 功能

将右侧真值表和( NOT x1 ) AND ( NOT x2 ) 的真值表比对，发现二者一致，因此，即使用神经网络实现了该逻辑表达式的功能。

其实我们上面已经实现了下图的3个逻辑表达式的功能：

下面利用这三个逻辑表达式来实现XNOR的功能。

实例5：XNOR功能

将右侧真值表和XNOR的真值表比对，发现二者一致，因此，即使用神经网络实现了该逻辑表达式的功能。

当情况更多时，我们需要通过一层一层的计算，使用输入数据训练出第1个隐藏层的值，再使用第1个隐藏层的值训练出第2个隐藏层的值，直到最后计算出相应的输出结果。

文章部分图片来源于他人博客，感谢博主的辛苦付出，原文链接：http://blog.csdn.net/u012328159/article/details/51143536