吴恩达机器学习day8——神经网络初识2
·
今天的内容很少
神经网络中的层
这里给一个神经网络更普遍的例子，假设一个神经网络有四层，其中，第0层是输入层，第4层是输出层，中间三层是隐藏层。上一层的输出是下一层的输入，每个隐藏层中有不同数量的神经单元。这里我们假设第三层有三个神经单元，每个神经单元都有一个激活函数，这里我们先默认一下激活函数都用sigmoid函数，那么每个符合中，上标【l】代表这个是第一层的参数，下标代表的是第一个神经单元的参数。
前向传播算法
其实很容易理解，因为看这个神经网络，不就是从左到右一步一步进行的吗，a1->a2->a3
另外，例如是一个二分类问题，在最后输出a3的时候，需要加一个阈值计算，比如设置0.5为阈值，大于怎么怎么样，小于怎么怎么样。
神经单元随着层数一点一点减少，这也是设计神经网络中的一个很经典的选择
更多推荐
1
0- 0
已为社区贡献25条内容
所有评论(0)