用 Python 绘制图表理解神经网络

人工神经网络 (ANN) 已成功应用于许多需要人工监督的日常任务，但由于其复杂性，很难理解它们的工作方式和训练方式。

在这篇博客中，我们深入讨论了神经网络是什么、它们是如何工作的，以及如何将它们应用于诸如寻找异常值或预测金融时间序列之类的问题。

在这篇文章中，我尝试直观地展示一个简单的前馈神经网络如何在训练过程中将一组输入映射到不同的空间，以便更容易理解它们。

数据

为了展示它是如何工作的，首先我创建了一个“ toy”数据集。它包含 400 个均匀分布在两个类（0 和 1）中的样本，每个样本具有两个维度（X0 和 X1）。

注：所有数据均来自三个随机正态分布，均值为 [-1, 0, 1]，标准差为 [0.5, 0.5, 0.5]。

网络架构

下一步是定义ANN的结构，如下：

隐藏层的维度最小（2 个神经元）以显示网络在 2D 散点图中映射每个样本的位置。

尽管前面的图表没有显示，但每一层都有一个修改其输出的激活函数。

•输入层有一个linear激活函数来复制它的输入值。