Python实现阶跃函数、sigmoid函数、ReLU函数
神经网络
神经网络有三层,左边的为输入层,中间的是中间层,右边的为输出层。其中中间层也叫隐藏层,第0层为输入层,第1层为中间层,第2层为输出层。
感知机接收x1和x2两个输入信号输出y,其数学公式为:
y = { 0 b + w1x1 + w2x2 <=0 1 b + w1x1 + w2x2 >0 y= \begin{cases} 0& \text{b + w1x1 + w2x2 <=0}\\ 1& \text{b + w1x1 + w2x2 >0} \end{cases} y={
01b + w1x1 + w2x2 <=0b + w1x1 + w2x2 >0
其中b为偏置,是控制神经元被激活的容易程度,w1与w2为每一个信号的权重,用于控制信号的重要性。
上面的式子还可以简化为一个函数来表示:
y = h(b + w1x1+ w2x2)
h ( x ) = { 0 x <=0 1 x >0 h(x)= \begin{cases} 0& \text{x <=0}\\ 1& \text{x >0} \end{cases} h(x)={
01