用于神经网络的隐藏层和输出层中的节点输出的等式

时间:2011-04-07 15:14:23

标签: artificial-intelligence neural-network

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。

1 个答案:

答案 0 :(得分: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}
  4. 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。

    equation fig

    此策略适用于我的应用程序。