深度前馈神经网络(FNN)一般有两种结构,包括反向传播网络(BP)与径向基函数神经网络(RBF)。在这片文章中,重点研究反向传播网络。而BP网络也是众多神经网络里最简单的一种。
最简单的BP网络如下所示:
输入层是一个线性函数,激活函数则选用sigmoid函数。在这个网络中,只要输入两个参数x和y,就可以开始训练了。
神经网络训练:
首先考虑最简单的结构,第一层是隐藏层h,第二层是输出层o,如下图:
每一次的输入后都会产生一个输出值,我们将误差定义如下:
其中y是真实值,yo是神经网络的输出值。
现在要做的就是减小这个误差。也就是通过改变我们最初的权重值与偏置值来减小误差。反向传播法的原理可以看我之前的文章:Deep Learning 学习笔记4:神经网络的反向传播法。通过反向传播法减小误差的公式为: