【机器学习】深入理解人工神经网络结构

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了【机器学习】深入理解人工神经网络结构，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含597字，纯文字阅读大概需要1分钟。

内容图文

一个简单的神经网络结构：

如图中如果 x1 x2 ∈{0,1}

y1 = x1 && x2 那么我们的输出函数hΘx = g (-30 + 20x1+20x2)

我们知道 g(x)的图像是

 

x1	x2	hΘ(x)
0	0	g(-30)≈0
0	1	g(-10)≈0
1	0	g(-10)≈0
1	1	g(10)≈1

所以我们有hΘ(x) ≈x1 & x2

这就是一个AND函数，同理，我们可以写一个OR函数的模型：

 

我们有hΘ(x) ≈x1 | x2

 我们可以利用这些类似的神经元足额和起来成为更加复杂的运算，例如如果我们想要实现一个XNOR。

首先，构造一个能表达（Nx1）AND（Nx2）部分的神经元，然后将他们组合起来：

  

输入层                  隐藏层　　　　　　　　输出层

这块有点像数字电路与逻辑设计上的组合电路？）不过我们可以看出通过神经网络我们可通过对简单非线性函数的叠加组合。

对样本集{ (x1,y1) ...(xn,yn)}

L = total no of layers in network

sl = no of  units

一元分类：y = 0,1 : SL = 1 k = 1

多元分类：SL = k hΘ(x)∈Rk(k≥3)

 

原文：http://www.cnblogs.com/KID-XiaoYuan/p/7271358.html

内容总结

以上是互联网集市为您收集整理的【机器学习】深入理解人工神经网络结构全部内容，希望文章能够帮你解决【机器学习】深入理解人工神经网络结构所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---