-1
Q
神经网络激活
A
回答
4
神经网络有一个所谓的“激活函数”,它通常是某种类型的sigmoid函数的映射将输入映射到单独的输出。
http://zephyr.ucd.ie/mediawiki/images/b/b6/Sigmoid.png
对于你它正好是0或1,并且使用比较,而不是S形函数, 所以你的激活曲线会比上面的图表甚至更尖锐。在上述图表中,您的t
(即阈值)在X轴上为0。
所以伪代码:
sum = w1 * I1 + w2 + I2 + ... + wn * In
sum
是所有输入的加权和神经元,现在你需要做的是,总和与t
,门槛:
if sum >= t then y = 1 // Your neuron is activated
else y = 0
您可以使用最后一个神经元的输出作为网络输出来预测1/0,真假等。
如果你正在研究神经网络,我建议你先从异或问题开始,那么这将是有道理的。
相关问题
- 1. [R神经网络激活功能
- 2. 人工神经网络激活函数
- 3. 神经网络的激活功能
- 4. 神经网络的激活/输出
- 5. 访问神经网络权和神经元激活
- 6. 神经网络从零开始在python中使用sigmoid激活
- 7. 神经网络回归模型输出层的激活函数
- 8. 如何在神经网络中使用Softmax激活功能
- 9. 神经网络乙状结肠激活与偏见更新
- 10. 这个神经网络应该使用哪个激活函数?
- 11. 如何决定激活功能的神经网络
- 12. Sigmoid激活的神经网络是否使用阈值?
- 13. 神经网络
- 14. 神经网络
- 15. 神经网络[ocr]
- 16. 神经网络,python
- 17. MATLAB神经网络
- 18. 神经网络backpropogation
- 19. 神经网络:“InverseLayer”
- 20. 的神经网络
- 21. SOM - 神经网络
- 22. sigmoid神经网络
- 23. Spiking神经网络
- 24. H2O.deeplearning神经网络
- 25. 神经网络MNIST
- 26. Hopfield神经网络
- 27. RBF神经网络
- 28. 实现偏倚神经网络神经网络
- 29. 回归神经网络是一个神经网络链吗?
- 30. 从神经网络的不同成本函数和激活函数中选择