Dividido en 4 pasos
inicialización
Utilice funciones aleatorias para asignar pesos y sesgos. Además de la capa de entrada, es necesario agregar sesgos.
Calcular la salida
Calcular la salida de cada neurona.
Error de cálculo
Error de cálculo de la capa de salida
Error de cálculo de la capa intermedia
Ajustar pesos y sesgos
Entre ellos, L es la tasa de aprendizaje, que se puede establecer en 0,9. A continuación, ajuste el peso.
lograr
El código de implementación de Matlab es el siguiente
%% 简单前馈神经网络
% 初始化权重和偏置
W12=rand([3,2]);
W23=rand([2,1]);
B12=rand([1,2]);
B23=rand([1,1]);
% 输出
input=[1,0,1];
for i=1:1000
% 计算输出
S2=input*W12+B12;
O2=(1+exp(-S2)).^-1;
S3=O2*W23+B23;
O3=(1+exp(-S3)).^-1;
% 计算误差
E3=O3.*(1-O3).*(1-O3);
E2=O2.*(1-O2).*(sum(W23*E3,2).');
% 调整
W23=W23+(0.9)*O3.*E3;
W12=W12+(0.9)*O2.*E2;
B12=B12+(0.9)*E2;
B23=B23+(0.9)*E3;
end