在以下 wiki 的迭代 1 图像中,您可以看到一个基本的神经网络: http ://www.heatonresearch.com/wiki/Back_Propagation
如果您查看隐藏层的第一个神经元 (H1),您会注意到总和为:-0.5313402159445314,输出为:0.3702043582229371
我无法弄清楚输出是如何计算的。如果我对总和值使用 sigmoid 或双曲正切函数,我会得到不同的结果。
谢谢
在以下 wiki 的迭代 1 图像中,您可以看到一个基本的神经网络: http ://www.heatonresearch.com/wiki/Back_Propagation
如果您查看隐藏层的第一个神经元 (H1),您会注意到总和为:-0.5313402159445314,输出为:0.3702043582229371
我无法弄清楚输出是如何计算的。如果我对总和值使用 sigmoid 或双曲正切函数,我会得到不同的结果。
谢谢
他们正在使用Sigmoid 激活函数。
公式为 1/(1+exp(-x))。
我们可以通过以下方式签入 Python:
from math import exp
x=-0.5313402159445314
print 1./(1.+exp(-x))
打印 0.370204358223