深度学习-预测与向前传播

以手写输入作为例子,为简单,只区分0和1,所以这是一个二分类问题,我们输入一张图片,输出数字0还是1,是一个8*8的一个像素图片,64个像素组成的网格矩阵,其中255表示白色,0表示黑色像素不同的数字表示不同的灰度,给予这两个特征我们使用具有两个隐藏层的神经网络,其中一个具有25个神经元,或者25个单元,第二个隐藏有有15个神经单元,最后输出层输出这是0还是1的概率,

让我们计算是从x到a1,因为有25个神经元,所以参数是用w1到w25,这样我们就得到了a1,

下一步就是计算a2其中a1就是第二层的输入,我们用w2乘以a1然后加上第二层的偏置,用sigmoid函数,第二层有15个神经元,所以对应的参数也有15个,对此我们计算的到了a2

然后我们用相似的计算得到了a3,这是到了输出层, 只有一个神经元,所以a3是一个标量,然后可以对a3进行阈值化,得到二分类标签,

如上图所示,我们从右到左进行计算,依次得到a1,a2,a3所以叫做前向传播,

与另一种方法反向反驳形成对比,后者用于学习,

这种神经架构网络,在初始阶段有很多的隐藏单元,如然后随着越接近输出层,隐藏单元越少,这也是选择神经网络架构的典型选择,

相关推荐
火山引擎开发者社区1 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔1 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区1 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1232 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI2 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健2 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV2 小时前
Google 重返第一梯队
人工智能·google·aigc
十有八七3 小时前
手搓 Agent(五):学会翻书——RAG,先查资料再回答
前端·人工智能·后端
阿里云大数据AI技术3 小时前
阿里云 Milvus 场景中心|一键部署你的AI应用
人工智能