打卡(1)
3.1 神经网络概览
* 可以很多个sigmoid单元堆叠起来构成一个神经网络。
* 图中[1]、[2]表示层((1),(2)表示单个样本);
* 图中圆圈是sigmoid函数,由两步算的,第一步算z。第二步算a;
打卡(2)
3.2 神经网络表示
* 输入层———隐藏层————输出层————预测值(输入层一般不看作是一个标准层,神经网络的层数指隐藏层和输出层)
* 隐藏层的含义:在训练集中 这些中间节点的真正数值,是不被知道的
* 图中是一个双层神经网络
3.3. 计算神经网络的输出
* α[θ]i α i [ θ ] 中, θ θ 值所在层, i i 表示第
层的 i i 个节点.
* 节点进行的运算:
;
a[θ]i=σ(Z[θ]i) a i [ θ ] = σ ( Z i [ θ ] ) ;
w[θ] w [ θ ] 和