主流神经网络（2）——前馈神经网络

最新推荐文章于 2024-12-22 13:37:15 发布

Chen_Guo_0110

最新推荐文章于 2024-12-22 13:37:15 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：算法文章标签：神经网络 tensorflow 深度学习

本文链接：https://blog.youkuaiyun.com/guo13212785018/article/details/103658595

本文介绍了前馈神经网络的基础知识，包括其结构、反向传播算法以及在训练过程中的应用。内容涵盖了神经网络的输入层、隐藏层和输出层，以及最简单的双输入单输出神经网络模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

4.神经网络

神经网络概览
在这里插入图片描述

（1）前馈神经网络

在这里插入图片描述
前馈神经网络包含输入层、隐藏层和输出层，使用反向传播算法进行训练。一般在描述神经网络的时候，都是从它的层说起，即相互平行的输入层、隐含层或者输出层神经结构。单独的神经细胞层内部，神经元之间互不相连；而一般相邻的两个神经细胞层则是全连接（一层的每个神经元和另一层的每一个神经元相连）。一个最简单却最具有实用性的神经网络由两个输入神经元和一个输出神经元构成，也就是一个逻辑门模型。给神经网络一对数据集（分别是“输入数据集”和“我们期望的输出数据集”），一般通过反向传播算法来训练前馈神经网络（FFNNs）。

代码部分

import tensorflow as tf
import numpy as np
import random
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

#加载鸢尾花数据
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

#one_hot函数
def one_hot(x):
    a=[0 for i in range(3)]
    a[x]=1
    return a
iris_dataset = load_iris()
x_data=iris_dataset['data']
y_data=iris_dataset['target']
x_train,x_test,y_train,y_test=train_test_split(x_data,y_data,test_size=0.3,random_state=0)
y_new_train=list(map(one_hot,y_train))
y_new_test=list(map(one_hot,y_test))

class DNN():
    def __init__(self,n_input,n_classes,n_hidden_list):
        self.model_params={
   
            'input_size':n_input,
            'output_size':n_classes,
            'n_hiddend':n_hidden_list
        }
        self.get_weight_dict()
    # 初始化weight和biase
    def get_weight_dict(self):
        self.weights

最低0.47元/天解锁文章