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。