用于神经网络的隐藏层和输出层中的节点输出的等式

Question

嘿伙计们，我是神经网络的新手。我想知道如何在神经网络的隐藏和输出层中提出节点输出的方程式。我想知道下面的答案以及你是如何做到的。我也找不到任何适用的阅读材料。

假设我有二进制分类问题。假设我有一个带有一个隐藏层的多层神经网络。假设我有f(x)=1/(1+e^-z)给出的sigmoid激活函数。有谁知道我如何找到隐藏层中节点输出和输出层中节点输出的等式？

谢谢你们，任何帮助都会很棒。

Answer 1

我将三层NN缩减为一组方程（1个输入节点，3个隐藏节点，1个输出节点），最后我得到了图像中显示的那些。 （注意：我假设图片上传工作 - 他们被公司的道德过滤器阻止）。

1. 我将每个节点的输出标记为 o ，下标为{layer，neuron}。
2. 权重标记为 w 下标表明 {to_layer，neuron}和上标 表示{from_layer，neuron}。
3. 偏见词 b 下标为{layer，neuron}

如图所示，缩放的NN输入（ Cet ）被公式化为第1层节点的输出（在图中标记为Eqn 3）。我的S形激活功能与你的相似（方程式4）。从那里，计算第2层节点1的输出（方程5），然后输出第2层，节点2（方程6），然后输出第2层，节点3（方程7）。

然后计算输出（我的图片中的 BISt ）作为隐藏层激活的加权和 - 然后通过激活函数传递。



此策略适用于我的应用程序。