- 神經網絡
- 核心
- 人造神經元
- 組成
- 加法器
- 將所有輸入加權求和到神經元上
- 激活函數
- 一個處理單元,根據預定義函數產生一個輸出
- 權值和閾值(偏置)
- 通過不同的學習算法學習這些權重和閾值(偏置)
- 加法器
- 核心
當只有一層這樣的神經元存在時,它被稱爲感知層
- 輸入層被稱爲第零層,只有緩衝輸入
- 輸出層的每個神經元都有自己的權重和閾值
當存在許多這樣的層時,網絡被稱爲多層感知層(MLP)
- MLP有一個或多個隱藏層,這些隱藏層有不同數量的隱藏神經元
以上有4個神經元的輸入層,5個隱藏層,神經元分別有:4,5,6,4,3個;3個神經元的輸出層。在此MLP種,下層所有的神經元連接到相鄰的上層所有神經元,MLP也被稱爲全連接層,MLP中的信息流從輸入到輸出,沒有反饋或跳轉,這種網絡也被稱爲前饋網絡
正向傳播:輸入被饋送到網絡,信號從輸入層通過隱藏層傳輸到輸出層,在輸出層計算誤差和損失函數
反向傳播:在反向傳播中,首先計算輸出層神經元損失函數的梯度,然後計算隱藏層神經元損失函數的梯度
相關激活函數介紹、代碼和圖像:
激活函數