一、非线性函数
1.定理
定理1:如果层与层之间不加非线性函数,多层神经网络将会退化到一个神经元的感知器模型状态
2.证明
以一个简单的二层神经网络为例:
其中:
输入输出的关系为:
其中待求的参数:
如果不加线性函数,列出输入输出关系:
再看一看单个神经元(感知机)的输入输出关系:
是不是有点像,我再弄得明显一点:
现在。。一模一样了吧,哈哈
所以就有了上面的定理
二、带有阶跃函数的神经网络
1.定理
定理2:如果非线性函数采用阶跃函数,那么三层神经网络可以模拟任意非线性函数
2.问题举例:
以一个简单的二维二分类问题为例(一维的太过简单了。。。)
假定:这个三角形的三条边的方程分别是
注:假设朝向三角形内测为正,三角形外为负(如果不是就把系数取相反数)
第二层权重全部设为1,偏置设为-2.5,作用是使得z1,z2,z3全为1时输出才为正(y=0.5),其他情况都为负。
函数:
3.矩形情况
4.非线性函数
问题:
网络模型:
两个权重都设置为1,偏置设置为-0.5
思考题:
1.假设非线性函数有三个取值情况,例如特征空间中有两个三角形:
当x在第一个三角形内时,y=2;
当x在第二个三角形内时,y=1;
当x在两个三角形外时,y=-1;
请设计一个三层神经网络来模拟这个非线性函数:
解:
网络结构不变,解方程组:
k1+b=2
k2+b=1
b=-1
就能确定系数
2.
这个问题从原理上看和三角形一样