反向传播神经网络BPNN
1. 算法原理
1.1 前向传播
1.1.1 加权计算(线性变化)
每个神经元的线性变化部分类似于之前实验中的感知机算法。每个神经元连接上一层的全部节点,上一层的每个节点作为该神经元的输入数据。该节点保存着一个权重向量$\bold w=[w_1,w_2,...,w_n,w_0]$,其中$n$表示上一层的节点数,$w_0$代表偏置,对应的输入值恒为1。对于上一层的输入$\bold x = [x_1,x_2,...,x_n,x_0]$,其中$x_0=1$,加权计算的值为两个向量的点乘,即:
1.1.2 激活函数(非线性变化)
考虑到数据集的分布不一定是线性的