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
- input：4个数字的向量。
- 3个神经元分别做logistic regression。
- 下角标：标识第 i 个神经元的值。
- 上角标：表示第 j 层layer的值。
- 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。
-
第1层的output向量a，是第二层的input。
-
第2层只有1个神经元，所以结果为标量a。
-
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。
2. 更复杂的神经网络
- 4层的神经网络，最后一层为output layer。
2. 练习：【3， 3， 2， 3】
3. 这个g（）函数为sigmoid function（activation function）
4. input = a[0]
3. 神经网络的前向传播
（如何使用neural networks来预测/推理）
- 识别手写的内容是否为“1”。
- 使用2层的hidden layers，来预测手写内容为“1”的概率。
- a[1]会有25个数字，因为layer 1 有25个神经元。
- 同理，a[2]有15个数字。
5. a[3]只有1个数字，是一个标量。
6. a[3] = f(x)
