从这个网站,
输出节点有一个“阈值”t。
规则:
If summed input ≥ t, then it "fires" (output y = 1).
Else (summed input < t) it doesn't fire (output y = 0).
y 如何等于zero
。任何想法表示赞赏。
从这个网站,
输出节点有一个“阈值”t。
规则:
If summed input ≥ t, then it "fires" (output y = 1).
Else (summed input < t) it doesn't fire (output y = 0).
y 如何等于zero
。任何想法表示赞赏。
神经网络有一个所谓的“激活函数”,它通常是某种形式的类似 sigmoid 的函数,将输入映射到单独的输出。
http://zephyr.ucd.ie/mediawiki/images/b/b6/Sigmoid.png
对您来说,它恰好是 0 或 1,并且使用比较而不是 sigmoid 函数,因此您的激活曲线将比上图更清晰。在上述图表中,您t
的阈值在 X 轴上为 0。
所以作为伪代码:
sum = w1 * I1 + w2 + I2 + ... + wn * In
sum
是所有神经元输入的加权和,现在你所要做的就是将该总和t
与阈值 进行比较:
if sum >= t then y = 1 // Your neuron is activated
else y = 0
您可以使用最后一个神经元的输出作为网络输出来预测 1/0、真/假等。
如果您正在研究 NN,我建议您从 XOR 问题开始,那么一切都会有意义。