
上QQ阅读APP看书,第一时间看更新
1.3.1 前馈神经网络
给定一个前馈神经网络,利用下面的符号来描述该网络。
•fl(·):表示第l层神经元的激活函数。
•:表示第l-1层到第l层的权重矩阵。
•:表示第l-1层到第l层的偏置。
•:表示第l层神经元的状态。
•:表示第l层神经元的活性值。
前馈神经网络通过式(1-1)和式(1-2)进行信息传播:

式(1-1)和式(1-2)可以合并为:

通过逐层的前馈传播,得到网络最后的输出aL:

给定一个前馈神经网络,利用下面的符号来描述该网络。
•fl(·):表示第l层神经元的激活函数。
•:表示第l-1层到第l层的权重矩阵。
•:表示第l-1层到第l层的偏置。
•:表示第l层神经元的状态。
•:表示第l层神经元的活性值。
前馈神经网络通过式(1-1)和式(1-2)进行信息传播:
式(1-1)和式(1-2)可以合并为:
通过逐层的前馈传播,得到网络最后的输出aL: