人工神经网络基础(1)

人工神经网络(ANN),是由大量的简单处理单元组成的非线性、自适应、自组织的系统。

1、单个神经元

如下图:

在图中,我们可以看到有r个输入参数pi,每个pi连接到神经元的线上有一组权值wi,除此之外,还有参数b连接到神经元上。这些值之和为n=\sum wipi +b,n将作为输入代入一个激活函数f(\cdot )中,所以最终的输出为a=f(\sum wipi +b)

这样的一个简单的结构,我们称它为单个神经元,而对于人工神经网络来说,是很多神经元组成的复杂结构。

我们将其中的输入数组和权值可以写成矩阵形式:

P=[p_{1},p^{_{2}},\cdots ,p^{_{r}}]^{T}

W=[w_{1},w^{_{2}},\cdots ,w^{_{r}}]

那么我们可以得到输入输出的表达式:

A=f(WP+b)

2、单层神经网络:

如下图:

猜你喜欢

转载自blog.csdn.net/Mr_yangsir/article/details/84239654
今日推荐