Question

我正在尝试使用python构建一个简单的数字识别ANN电路。它有一个输入层，有15个输入，隐藏层和输出层（10个神经元）。我是这个领域的初学者，但我是一位经验丰富的程序员。

当a = 1且b = 0且我想要输出f = 0＆amp; G = 1

   Value at:
   C
   1*1+-0.5*0= 1  
   D
   1*0+.1*1 = 0.1
   E
   -1*0+-0.5*1 = -0.5

由于Sigmoidal函数仅在值> gt时触发。 0我想只有神经元C和D会发射。那么E的输出会是0吗？

C：1 D：0.1 E：0

     Value at F:
     1*1+0.1*-0.3+0*0.3=0.97 (neuron fires)
     Value at G:
     1*-1+-0.5*0.1+0*.1=  -1.05  (neuron does not fire)

所以输出似乎是F：1＆amp; G：0与期望相反。

现在我对反向传播感到困惑。在这种情况下，如何使用反向传播来校正重量？数学步骤会很棒..

伙计们我需要确认数学是否正确。之后我有很多补充问题我不得不问。

我使用sigmoidal函数作为阈值。因此，如果该值小于0，则没有输出，如果大于0则会触发。

如果神经元没有触发，那么它的输出是否为零？

Answer 1

我希望这有点帮助，虽然我们的实现/ approches是不同的。

在我的实现（小/简单网络）中，我计算输出作为所有输入节点输出的总和乘以权重，在这种情况下，如果神经元没有＆＃39;它不会被视为输入。
（但在我的实现中，我让负值传递到下一个级别）

伪代码

    for (let idxHidden in hiddensOutput) {
        let sum = 0
        for (let idxInput in inputsOutput) {
          sum = sum + inputsOutput[idxInput] * inputsWeight[idxInput][idxHidden];
        }
        hiddensOutput[idxHidden] = sigmoid(sum);
    }

hiddensOutput ...是下一层中的节点列表
inputsOutput ...是hiddensOutputs的节点的输入列表 inputsWeight ...是这些节点之间权重的矩阵（设置它是＆＃34;棘手的＆＃34;部分） hiddensOutput ...是包含下一层输入的列表

所以回答这个问题：＆＃34;如果一个神经元没有发射，那么它的输出被视为零？＆＃34;

是

<强>更新

以下是我在线发布的评论部分中的链接   当然


http://coursera.org/learn/machine-learning（还有其他一些甚至是自我节奏的）

http://shop.oreilly.com/product/9780596529321.do有趣的书（有很多python代码[解释]）

http://en.m.wikipedia.org/wiki/Artificial_neural_network（基础数学）

低于阈值的人工神经网络射击

如果神经元没有触发，那么它的输出是否为零？

1 个答案: