ML:2-2neural network layer

文章目录

  • 1. 神经网络层
  • 2. 更复杂的神经网络
  • 3. 神经网络的前向传播

【吴恩达机器学习笔记p47-49】

1. 神经网络层

【了解神经网络如何完成预测的】

  1. input:4个数字的向量。
  2. 3个神经元分别做logistic regression。
  3. 下角标:标识第 i 个神经元的值。
  4. 上角标:表示第 j 层layer的值。
  5. 这3个神经元所做的logistic regression的结果组成了一个向量a将传给ouput layer。

ML:2-2neural network layer_第1张图片

  1. 第1层的output向量a,是第二层的input。
  2. 第2层只有1个神经元,所以结果为标量a。

ML:2-2neural network layer_第2张图片

  1. 拿到结果标量a之后呢,看a的大小。大于0.5(threshold阈值)则预测为yes, 小于则为no。ML:2-2neural network layer_第3张图片

2. 更复杂的神经网络

  1. 4层的神经网络,最后一层为output layer。

ML:2-2neural network layer_第4张图片
2. 练习:【3, 3, 2, 3】

ML:2-2neural network layer_第5张图片
3. 这个g()函数为sigmoid function(activation function)

ML:2-2neural network layer_第6张图片
4. input = a[0]
ML:2-2neural network layer_第7张图片

3. 神经网络的前向传播

(如何使用neural networks来预测/推理)

  1. 识别手写的内容是否为“1”。
  2. 使用2层的hidden layers,来预测手写内容为“1”的概率。
  3. a[1]会有25个数字,因为layer 1 有25个神经元。
    ML:2-2neural network layer_第8张图片
  4. 同理,a[2]有15个数字。

ML:2-2neural network layer_第9张图片
5. a[3]只有1个数字,是一个标量。
6. a[3] = f(x)

ML:2-2neural network layer_第10张图片

你可能感兴趣的:(机器学习)