Artificial intelligence 神经网络隐层和输出层节点的输出方程

Artificial intelligence 神经网络隐层和输出层节点的输出方程,artificial-intelligence,neural-network,Artificial Intelligence,Neural Network,嘿,伙计们,我是神经网络新手。。我想知道如何为神经网络的隐藏层和输出层中的节点的输出建立方程。我想知道下面的答案,以及你是如何做到的。我也没有找到任何关于这方面的可接受的阅读材料 假设我有一个二进制分类问题。假设我有一个带有一个隐藏层的多层神经网络。假设我有一个由f(x)=1/(1+e^-z)给出的sigmoid激活函数。有人知道我是如何找到隐藏层中节点的输出和输出层中节点的输出的等式的吗 谢谢大家,任何帮助都会很好。我将一个三层神经网络简化为一组方程(1个输入节点,3个隐藏节点,1个输出节点)

嘿,伙计们,我是神经网络新手。。我想知道如何为神经网络的隐藏层和输出层中的节点的输出建立方程。我想知道下面的答案,以及你是如何做到的。我也没有找到任何关于这方面的可接受的阅读材料

假设我有一个二进制分类问题。假设我有一个带有一个隐藏层的多层神经网络。假设我有一个由
f(x)=1/(1+e^-z)
给出的sigmoid激活函数。有人知道我是如何找到隐藏层中节点的输出和输出层中节点的输出的等式的吗


谢谢大家,任何帮助都会很好。

我将一个三层神经网络简化为一组方程(1个输入节点,3个隐藏节点,1个输出节点),最后得到了图中所示的方程。(注意:我假设图片上传成功——他们被公司的道德过滤器屏蔽了)

  • 我将每个节点的输出标记为 o、 下标为{层,神经元}
  • 重量标记为w,并带有 下标指示 {to_层,neuron}和上标 表示{从_层,神经元}
  • 偏差项b下标为{层,神经元}
  • 如图所示,缩放的NN输入(Cet)表示为第1层上节点的输出(图中标记为Eqn 3)。我的乙状结肠激活函数与你的相似(等式4)。在此基础上,计算第2层节点1的输出(等式5),然后计算第2层节点2的输出(等式6),然后计算第2层节点3的输出(等式7)

    然后将输出(我的pic中的BISt)计算为隐藏层激活的加权和,然后通过激活函数传递


    这个策略对我的应用程序很有效。

    我将一个三层NN简化为一组方程(1个输入节点,3个隐藏节点,1个输出节点),最后得到了图中所示的方程。(注意:我假设图片上传成功——他们被公司的道德过滤器屏蔽了)

  • 我将每个节点的输出标记为 o、 下标为{层,神经元}
  • 重量标记为w,并带有 下标指示 {to_层,neuron}和上标 表示{从_层,神经元}
  • 偏差项b下标为{层,神经元}
  • 如图所示,缩放的NN输入(Cet)表示为第1层上节点的输出(图中标记为Eqn 3)。我的乙状结肠激活函数与你的相似(等式4)。在此基础上,计算第2层节点1的输出(等式5),然后计算第2层节点2的输出(等式6),然后计算第2层节点3的输出(等式7)

    然后将输出(我的pic中的BISt)计算为隐藏层激活的加权和,然后通过激活函数传递


    这个策略对我的应用程序很有效。

    谢谢。。稍后我会仔细阅读此内容,并在有时间理解后按接受答案:)。没问题-如果您有任何问题,请告诉我。如果是sigmoid函数而不是-x,为什么等式4中有0.8*x,请您解释一下that@ashim888具体说明:出版商在指数中删除了“-”。它应该是exp(-0.8x)。一般说明:0.8因子用作“成形”项,有效控制x=0附近挤压函数的陡度。较高的值(即,在这种情况下为10)会增加陡度,并导致挤压函数朝向单位步长函数。较低的值(即在本例中为0.1)会降低陡度,并使挤压函数更像x=0附近的直线。谢谢。。稍后我会仔细阅读此内容,并在有时间理解后按接受答案:)。没问题-如果您有任何问题,请告诉我。如果是sigmoid函数而不是-x,为什么等式4中有0.8*x,请您解释一下that@ashim888具体说明:出版商在指数中删除了“-”。它应该是exp(-0.8x)。一般说明:0.8因子用作“成形”项,有效控制x=0附近挤压函数的陡度。较高的值(即,在这种情况下为10)会增加陡度,并导致挤压函数朝向单位步长函数。较低的值(即在本例中为0.1)会降低陡度,并使挤压函数更像x=0附近的直线。