一、深度学习在数据分类中有着广泛的应用,其主要原因是引入了深度神经网络,这也使得数据分类的准确度得以大幅提高。基于深度神经网络对数据进行分类的主要包括输入层、中间层和输出层三大块,其中输入层是待分类的数据,中间层(隐藏层)就是对前一层的数据进行加权运算和激活的过程,可以包含多个中间层。输入的数据经过输入层、中间层和输出层进行正向移动,但是在这个过程中会产生误差,为了修正误差,引入了 BP 算法来修正误差。
深度神经网络的拓扑结果如下图所示:
二、算法如下:
import numpy as np
#define function Sigmoid
def Sigmoid(x):
y = 1 / ( 1 + np.exp( -x ) )
return y
#define function ReLU
def ReLU(x):
y = np.maximum( 0, x )
return y
#define funciton MultiClass which is used to classify the multiDimensional data.
#It inlucdes three layers:input layer, hidden layer, output layer.
#W1 is the weight ceofficients of input layer to hiddern layer.
#W2 is the weight ceofficients of hiddern layer to outpu