该课程在斯坦福深度学习课上,点此打开
--------------------------------------------------分割线------------------------------------------------------
一、概述
训练样本集:
神经网络算法能够提供一种复杂且非线性的假设模型
上图这个“神经元”是一个以及截距 为输入值的运算单元,其输出为,其中,为激活函数。这里使用激活函数Sigmoid:
这个单一“神经元”的输入-输出映射关系其实就是一个逻辑回归(logistic regression)
Sigmoid图像:
二、神经网络模型
1.圆圈来表示神经网络的输入;
2.标上“”的圆圈被称为偏置节点,也就是截距项;
3.神经网络最左边的一层叫做输入层,最右的一层叫做输出层(本例中,输出层只有一个节点);
4.中间所有节点组成的一层叫做隐藏层;
5.(层),将第 层记为, 是输入层,输出层是 ;
6.神经网络有参数 , (下面的式子中用到)是第 层第 单元与第 层第 单元之间的联接参数;
7. 是第 层第 单元的偏置项;
8. ,;
9. 表示第 层第 单元的激活值(输出值)。
本例中,(前向传播)计算步骤为:
可以记为:
;
给定第 层的激活值 后,第 层的激活值 就可以按照下面步骤计算得到: