| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 人工智能 -> 写到哪儿算哪儿的神经网络基础-3 -> 正文阅读 |
|
[人工智能]写到哪儿算哪儿的神经网络基础-3 |
当节点个数比较多的时候,显然直接用公式计算比较费劲了。这个时候线性代数就派上用场了,当下大部分神经网络运算其实就是矩阵的运算(这里例子是矩阵的乘积)。 上图这个神经网络省略了偏置和激活函数,只设定了权重。?
?这里具体来实现一个前向传播的3层神经网络: ? 实现之前,先确定一些符号,比如?, 上标3表示从第2层到第3层的权重,有时还会加括号写为(3),下标2表示后一层(当前为2-3层之间)的第2个神经元,下标4表示前一层的第4个神经元。权重按照“后一层的索引号、前一层的索引号”顺序排列。 ? ?现在看下从输入层到第一层的第一个神经元的信号传递过程: 上图中,1是表示偏置的神经元,这里偏置的右下角标索引只有一个是因为前一层的神经元只有1个,偏置权重的数量取决于后一层的神经元数量。 图中,, 同样地,... 用线性代数的矩阵乘法运算可以表示为: 用Python实现一下:
?输出结果: ?代码部分,我们用了sigmoid激活函数使得,这个激活函数的计算过程表示了隐藏层的加权和(包括加权信号和偏置的总和,用表示)被激活转换后的信号(用表示) ?下面实现从第1层到第2层的信号传递,如上图所示。
?最后,实现从第2层到输出层的信号传递。
?这里没用sigmoid作为输出的激活函数,而是直接按照加权和输出,这种形式叫做恒等函数作为(输出层的)激活,通常输出层的激活函数为了区别于隐藏层激活函数,会用表示。 print(A1,A2,A3) print(Z1,Z2) 出来后的结果是: 关于最后输出层激活函数的使用,要根据求解问题的性质确定的。通常,回归问题用恒等函数,二分类问题用sigmoid函数,多分类问题用softmax函数。 以上代码定义函数优化后:
? ? ? ? ? ? ? ? ? |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 | -2024/11/27 21:01:28- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |