深度学习-如何计算神经网络的输出?

给定一个包含输入层、隐藏层和输出层的神经网络架构,可以逐层推导出各节点的输出值。具体步骤如下:

  1. 输入层计算:

    • 输入层有 3 个节点,编号为 1、2、3,输入向量为 x_1, x_2, x_3 。
    • 输入层节点的输出值直接就是输入向量,即: a1=x1,a2=x2,a3=x3
  2. 隐藏层节点计算:

    • 隐藏层有 4 个节点,编号为 4、5、6、7。每个节点和输入层节点之间都有连接,并且每个连接具有对应的权重。
    • 以隐藏层节点 4 为例。该节点的输出值 a_4 由输入层节点 1、2、3 的输出值计算得到。具体地:。其中, w_{41}, w_{42}, w_{43} 分别为节点 4 与输入层节点 1、2、3 之间的权重, w_{4b} 是节点 4 的偏置项,σ是激活函数。
    • 同理,隐藏层其他节点的输出值分别为:
  3. 输出层节点计算:

    • 输出层有 2 个节点,编号为 8 和 9。每个节点与隐藏层节点之间也有相应的权重。
    • 计算节点 8 的输出值 y_1 ,其与隐藏层节点 4、5、6、7 的输出值相连。输出值计算如下:其中, w_{84}, w_{85}, w_{86}, w_{87} 是节点 8 与隐藏层节点 4、5、6、7 之间的权重, w_{8b} 是节点 8 的偏置项。
    • 同理,节点 9 的输出值 y_2 为:
  4. 得到最终输出:

    通过上述步骤,得到输出层所有节点的输出值 y_1, y_2 ,即为神经网络的最终输出向量。这一输出向量的维度取决于输出层神经元的个数。通过逐层传播,权重和偏置的调整最终确定了网络的输出。这种逐层连接计算正是反向传播算法(BP算法)的核心步骤。

相关推荐
对你无可奈何6 小时前
给 ComfyUI 做了一个手机助手
人工智能
feasibility.8 小时前
英伟达把物理AI的3D模型“应用商店”开放了:2575个SimReady仿真资产,总计约472GB,可让agent装配机器人训练场景
人工智能·3d·机器人·仿真·建模·具身智能·英伟达
智联视频超融合平台8 小时前
消防宣传月过半,“AI+消防“给视频平台换了张考卷
人工智能·边缘计算·视频监控·安防·视频联网
冬奇Lab9 小时前
一天一个开源项目(第262篇):AG-UI —— 把 AI Agent 接进前端的开放协议,和 MCP、A2A 并列的第三块拼图
人工智能·开源
罗西的思考10 小时前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
RobinDevNotes10 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
stormzhangV11 小时前
Coding Agent,通往 AGI 的重要一环
人工智能·agent·ai编程
Bowen_J12 小时前
Apple Foundation Models:Apple AI核心框架
人工智能·ai编程·apple
IT_陈寒12 小时前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端
阿里云大数据AI技术12 小时前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能