图解神经网络

最新推荐文章于 2024-07-20 14:24:22 发布

ubunfans

最新推荐文章于 2024-07-20 14:24:22 发布

阅读量1.8k

点赞数

分类专栏：机器学习

机器学习专栏收录该内容

4 篇文章

订阅专栏

本文介绍了神经网络的基本组件及其训练过程。输入I1和I2经过缩放处理后，通过激活函数如Tanh或Sigmoid进行转换。权重W及偏置权重Wb随机初始化并在训练过程中调整。神经元的输出N由这些参数决定。误差反向传播开始于输出层，通过比较期望输出T与实际输出O来计算误差E，并利用激活函数的导数f'(N)更新权重。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

I1 and I2 are the inputs scaled to [-1,1] or [0, 1], depending on the activation function used
f()=Activation Function=Tanh(), Sigmoid() or any differential-able function
W=Current neurons input weights, initialized randomly between [-1, 1].
Wb=Bias Weight, connected to nothing, used as a threshold, initialized same as W
N=The output of the current neuron.

Error Back Propagation starts here (Training)

O=Output Neurons Previous Output
E=Error for Current Neuron
T=Output Neurons Desired Output.
f’(N) is the derivative of the activation function, N is the Neurons previous output.