【学习记录】神经网络

发发—

于 2023-04-16 16:32:18 发布

阅读量123

点赞数

CC 4.0 BY-SA版权

文章标签：神经网络学习深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/Jessicaxu123/article/details/130183790

文章介绍了神经网络的基本结构，包括输入层处理特征，隐藏层进行计算，以及输出层的分类标签个数。特别提到了单层神经网络，即感知机，它由输入层和输出层构成，使用MP神经元模型，但无法适应复杂数据的拟合。激活函数如阶跃函数和ReLU在神经元中起到关键作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

神经网络分：输入层、隐藏层、输出层

当隐藏层只有一层：两层神经网络（不包括输入层）

输入层：网络输入层神经元代表一个特征

输出层：输出层个数代表了分类标签个数

1.1神经元模型生物神经网络工作原理-MP神经元模型

xi：第i个其他神经元输入

$\theta$ i：第i个其他神经元的连接权重（ $\omega /\theta$ ）

b：当前神经元的阈值

输出h： $h=f\left ( \sum_{i=1}^{n}\theta ixi-b \right )$ （f为激活函数，形式为阶跃函数，修正线性单元Relu）

1.2感知机：两层神经元构成是一种特殊的前馈神经网络（无隐藏层，只有输入层/输出层，无法拟合复杂数据）

输出层：阈值逻辑单元-MP神经元

输出h： $y=f\left ( \sum_{i}^{}\omega ixi-b \right )$

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

发发— 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。