深度學(xué)習(xí)案例教程 課件3.2神經(jīng)網(wǎng)絡(luò)搭建_第1頁(yè)
深度學(xué)習(xí)案例教程 課件3.2神經(jīng)網(wǎng)絡(luò)搭建_第2頁(yè)
深度學(xué)習(xí)案例教程 課件3.2神經(jīng)網(wǎng)絡(luò)搭建_第3頁(yè)
深度學(xué)習(xí)案例教程 課件3.2神經(jīng)網(wǎng)絡(luò)搭建_第4頁(yè)
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

第二節(jié)

神經(jīng)網(wǎng)絡(luò)搭建

前向傳播算法前向傳播的介紹前向傳播(ForwardPropagation)算法是指神經(jīng)網(wǎng)絡(luò)向前計(jì)算的過(guò)程。前向傳播算法需要神經(jīng)網(wǎng)絡(luò)的輸入、神經(jīng)網(wǎng)絡(luò)的連接結(jié)構(gòu)，以及每個(gè)神經(jīng)元中的參數(shù)。如圖所示為一個(gè)兩層神經(jīng)網(wǎng)絡(luò)，假設(shè)x1和x2是成績(jī)分類(lèi)的兩個(gè)指標(biāo)，經(jīng)過(guò)該神經(jīng)網(wǎng)絡(luò)計(jì)算后，從y輸出成績(jī)的類(lèi)別。前向傳播算法(1)為了確認(rèn)前面的內(nèi)容，現(xiàn)在用數(shù)學(xué)式表示a1(1),通過(guò)加權(quán)信號(hào)和偏置的和按如下方式進(jìn)行計(jì)算：此外，如果使用矩陣的乘法運(yùn)算，則可以將第1層的加權(quán)和表示成下面的式子：(2)隱藏層的加權(quán)和(加權(quán)信號(hào)和偏置的總和)用a表示，被激活函數(shù)轉(zhuǎn)換后的信號(hào)用z表示。這里我們使用的是sigmoid函數(shù)。代碼如下：Z1=sigmoid(A1)前向傳播算法輸出層所用的激活函數(shù)，要根據(jù)求解問(wèn)題的性質(zhì)決定。一般地，回歸問(wèn)題可以使用恒等函數(shù)，二元分類(lèi)問(wèn)題可以使用sigmoid函數(shù)，多元分類(lèi)問(wèn)題可以使用softmax函數(shù)。在實(shí)際建模解成績(jī)及格分類(lèi)預(yù)測(cè)問(wèn)題時(shí)，首先隨機(jī)初始化網(wǎng)絡(luò)模型的權(quán)重和偏置參數(shù)，然后每次用訓(xùn)練數(shù)據(jù)計(jì)算得到一個(gè)預(yù)測(cè)值，接下來(lái)將預(yù)測(cè)值步與真實(shí)值y比較，如果相差較大，則通

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論