主要内容

1. 神经网络运用实例
2. 神经网络的代价函数
3. 前向传播算法
4. 反向传播算法

一、神经网络运用实例

2.1 神经网络实现逻辑运算

1. 逻辑与运算 “AND”

   

2. 逻辑或运算 “OR”

   

3. 逻辑非运算 “NOT”

   

4. 逻辑异或运算 “XOR”

   

2.2 神经网络实现多分类问题——数字识别

• 数字识别实际上就是多分类问题。其采用的方法本质上是一对多法的拓展，在神经网络的架构上就是增加输出层，在每一次预测中我们取输出层中输出最大的一类作为预测结果。
  
  

二、神经网络的代价函数

• 神经网络中的代价函数J(θ)是综合了所有分类器的代价函数，以相加的形式将他们连接起来。
  
  

三、前向传播算法

• 前向传播算法是一种单向多层的网络结构，即信息从输入层开始，逐层向一个方向传递，一直到输出层结束

  

  

四、反向传播算法

• 反向传播算法的基本思想是：从输出层开始，逐层向前计算误差δ。

  

  
  

如果觉得文章不错的话，可以给我点赞鼓励一下我哦
关注我，我们一起学习，一起进步！！！