概述
都说神经网络是一个万能的函数拟合器,如何理解这句话呢?让我们做一些实验,去获取更直观的理解。
为了直观与方便理解,我们用神经网络去拟合一元函数,也就是 y = f ( x ) y=f(x) y=f(x)
实验
1. 函数 y = x y=x y=x
训练样本
如图所示:
- 蓝色点代表训练样本,它们都是从函数 y = x y=x y=x中取样获得
- 橙色的直线代表神经网络所表示的函数,目前未训练,与样本偏离较大
思路
拟合一条直线,我们需要使用什么结构的神经网络去拟合它呢?为了理解透彻,我们需要理解单个神经元。
单个神经元的形式为: y = σ ( w x + b ) y = \sigma(wx+b) y=σ(wx+b)
- w w w和 b b b为待确定的参数
- σ \sigma σ为激活函数
如果去掉