如何构建神经网络
一.项目背景
神经网络是vwin
人体生物神经元原理构建的，比较基础的有M-P模型，它按照生物
神经元的结构和工作原理构造出来的一个抽象和简化的模型。简单来说，他是对一个生
物神经元建模，下图是一个M-P模型示意图。
跟人体生物神经元类似，神经元激活与否取决于某一阈值电平，即只有大当其总和阈值θ
时，神经元才会被激活而发放脉冲，否则整个神经元不会发生输出信号。整个过程用下面函数
来表示。
上图中f我们称为激活函数，常见的激活函数可以分为两种类型，线性与非线性函数，具体见下图。
常用激活函数有S形函数，双曲正切函数等,后期我们会讲到。对于M-P模型而言，神经元只有兴奋和抑
制状态，因此这里的激活函数定义为单位阶跃函数，输出y只有0和1两种信号
二.搭建网络
该网络含有一个输入层，两个隐藏层和一个输出层的神经网络，接下来我们手动实现它。
import numpy as np
#定义Sigmod激活函数
def sigmod(z):
return 1/(1+np.exp(-z))
#Z1=X*W1+b1,A1=sigmod(Z1)
#输入数据，形状为(1,2)
X=np.array([
[0.1,0.5]
])
#(2,3)
W1=np.array([
[0.1,0.3,0.5],
[0.2,0.4,0.6]
])
#(1,3)
b1=np.array([
[0.1,0.2,0.3]
])
#进行线性运算
Z1=np.dot(X,W1)+b1
#经过sigmod激活函数，将线性函数转换为非线性函数
A1=sigmod(Z1)
print('Z1 shape',Z1.shape)
print('A1 shape',A1.shape)
#第2层
#Z2=W2*A1+b2，A2=sigmod(Z2)
#(3,2)
W2=np.array([
[0.1,0.2],
[0.3,0.4],
[0.5,0.6]
])
#(1,2)
b2=np.array([[0.1,0.2]])
#进行线性运算
Z2=np.dot(A1,W2)+b2
#经过sigmod激活函数，将线性函数转换为非线性函数
A2=sigmod(Z2)
print('Z2 shape',Z2.shape)
print('A2 shape',A2.shape)
#第3层
#Z3=W3*A2+b3，A3=sigmod(Z3)
#(2,2)
W3=np.array([
[0.1,0.3],
[0.2,0.4]
])
#(1,2)
b3=np.array([[0.1,0.2]])
#线性运算
Z3=np.dot(A2,W3)+b3
#输出Y
Y=sigmod(Z3)
#表示一个样本两个输出值
Y
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网
网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
神经网络
+关注
关注
42文章
4771浏览量
100708 -
模型
+关注
关注
1文章
3226浏览量
48804 -
神经元
+关注
关注
1文章
363浏览量
18449
发布评论请先 登录
相关推荐
从零开始学习用Python构建神经网络
内容涵盖神经网络定义、损失函数、前向传播、反向传播、梯度下降算法，对于想要了解深度学习运作原理的各位来说，内容精彩不可错过。
高阶API构建模型和数据集使用
一、前言前面结合神经网络简要介绍TensorFlow相关概念，并给出了MNIST手写数字识别的简单示例，可以得出结论是，构建的神经网络目的就是利用已有的样本数据训练网络的权重和偏置，使
发表于 11-04 07:49
如何构建神经网络？
原文链接：http://tecdat.cn/?p=5725 神经网络是一种基于现有数据创建预测的计算系统。如何构建神经网络？神经网络包括：输入层：根据现有数据获取输入的层隐藏层：使用反
发表于 07-12 08:02
浅析构建神经网络3D可视化应用的框架
今天要为大家推荐一套超酷炫的，用于构建神经网络3D可视化应用的框架——TensorSpace。TensorSpace 可以使您更直观地观察神经网络模型，并了解该模型是如何通过中间层tensor的运算来得出最终结果的。
构建神经网络的经验和教训总结
在我们的机器学习实验室，我们在许多高性能的机器已经积累了成千上万个小时的训练。然而，并不是只有计算机在这个过程中学到了很多东西：我们自己也犯了很多错误，修复了很多错误。
如何在微控制器中构建神经网络
人工神经网络在维基百科中被定义为“受构成动物大脑的生物神经网络模糊启发的计算系统。此类系统通过考虑示例来“学习”执行任务，通常无需使用特定于任务的规则进行编程。
发表于 07-07 14:44
•0次下载
构建神经网络模型的常用方法 神经网络模型的常用算法介绍
神经网络模型是一种通过模拟生物神经元间相互作用的方式实现信息处理和学习的计算机模型。它能够对输入数据进行分类、回归、预测和聚类等任务，已经广泛应用于计算机视觉、自然语言处理、语音处理等领域。下面将就神经网络模型的概念和工作原理，
发表于 08-28 18:25
•1025次阅读
使用PyTorch构建神经网络
PyTorch是一个流行的深度学习框架，它以其简洁的API和强大的灵活性在学术界和工业界得到了广泛应用。在本文中，我们将深入探讨如何使用PyTorch构建神经网络，包括从基础概念到高级特性的全面解析。本文旨在为读者提供一个完整的、技术性的指南，帮助理解并实践PyTorch
工商网监
评论