我对神经网络有些新意,我需要一些帮助来理解基础知识。我试图创建一个带有两个输入的神经元,具有偏置和输出。
发生的过程是这样的,
output = w1 * x + w2 * y + bias * wb
所以这里x和y是输入,w1,w2,wb是权重,偏差是0.5
之后输出通过sigmoid函数。
sout = S(output)
为了进行测试,我试图让神经元充当'和'和'或'栅极。
所以我的问题是,
所以要计算目标和输出之间的差异,我是否也必须通过sigmoid函数运行目标(0或1)并计算它们之间的差异?
或者我只需要计算目标(0或1)与通过S形函数得到的输出之间的差异?
此外,'和'中的错误变化也是如此。和'或'随着时代的发展,功能也不同。 '和'功能错误变化很尴尬,但是'或'功能误差变化是可以接受的为什么'和'函数给出这样一个错误的有线图表上下?
错误图表
错误图表
由于
答案 0 :(得分:1)
要计算的增量是您建议的第二个增量。您将输入(x,y)传递通过网络,并获取相关输出和目标值(0或1)之间的差值。这假设您正在尝试执行二进制分类任务,其中目标值为0或1。