神经网络-模型表示 from 吴恩达的机器学习

本文介绍了神经网络模型的基本组成,包括输入层、隐藏层和输出层,并详细解释了各层的功能及如何通过权重矩阵传递信息。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

模型表示

逻辑回归模型:



神经网络模型:



其中是输入单元(input units),我们将原始数据输入给它们。 是中间单元,它们负责将数据进行处理,然后呈递到下一层。 最后是输出单元,它负责计算

神经网络模型是许多逻辑单元按照不同层级组织起来的网络,每一层的输出变量都是下一层的输入变量。下图为一个3层的神经网络,第一层成为输入层(Input Layer),最后一层称为输出层(Output Layer),中间一层成为隐藏层(Hidden Layers)。每一层都增加一个偏差单位(bias unit):


引入表示法:

  代表第 层的第  个激活单元。

代表从第  层映射到第 层时的权重的矩阵。

    例如代表从第一层映射到第二层的权重的矩阵。其尺寸为:以第 层的激活单元数量为行数,以第  层的激活单元数加一为列数的矩阵。

对上图所示模型,各个单元和输出表示为:



神经网络第二种模型表示




评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值