神经网络算法数学原理（神经网络原来是这样和数学挂钩的）

神经网络算法数学原理（神经网络原来是这样和数学挂钩的）改写式(5)。备注下图是一个神经单元。如图所示，输入x1 的对应权重是2，输入x2的对应权重是3，偏置是- 1。根据下表给出的输入，求出加权输入z 和输出y。注意这里的激活函数是Sigmoid函数。请自行填写之后看下面答案。解：结果如下表所示（式(3) 中的e 取e = 2.7 进行计算）。

我们将式(4) 作为标准使用。另外，此时的加权输入z如下所示。

式(4) 和式(5) 是今后所讲的神经网络的出发点，非常重要。

另外，生物上的权重w1、w2、w3 和阈值θ（ = - b）都不是负数，因为负数在自然现象中实际上是不会出现的。然而，在将神经元一般化的神经单元中，是允许出现负数的。

练习题

下图是一个神经单元。如图所示，输入x1 的对应权重是2，输入x2的对应权重是3，偏置是- 1。根据下表给出的输入，求出加权输入z 和输出y。注意这里的激活函数是Sigmoid函数。

请自行填写之后看下面答案。

解：结果如下表所示（式(3) 中的e 取e = 2.7 进行计算）。

备注

改写式(5)。

我们将式(5) 像下面这样整理一下。