新农村建设官方网站,google权重查询,福州网站建设精英,网络营销的广告形式本文主要要以周志华的机器学习书为蓝本编写 第5章神经网络
5.1python 实现神经元模型
神经网络中最基本的成分是神经元 (neuro且)模型#xff0c;如下图所示#xff1a; 1943 年#xff0c; [McCulloch and Pitts, 1943] 将上述情形抽象为国 5.1所示的简单模型#xff0c… 本文主要要以周志华的机器学习书为蓝本编写 第5章神经网络
5.1python 实现神经元模型
神经网络中最基本的成分是神经元 (neuro且)模型如下图所示 1943 年 [McCulloch and Pitts, 1943] 将上述情形抽象为国 5.1所示的简单模型这就是一直沿用至今的 M-P 神经元模型 。在这个模型中神经元接收到来自n个其他神经元传递过来的输入信号这些输入信号通过带权重的连接(connection)进行传递神经元接收到的总输入值将与神经元的阀值进行比较然后通过激活函数 (activation function) 处理以产生神经元的输出。
理想中的激活函数是图5.2(a)所示的阶跃函数它将输入值映射为输出值0或1显然 1 对应于神经元兴奋0对应于神经元抑制。然而阶跃函数具有不连续、不光滑等不太好的性质因此实际常用Sigmoid函数作为激活函数典型的Sigmoid函数如图5.2(b) 所示它把可能在较大范围内变化的输入值挤压到 (01) 输出值范围内因此有时也称为 挤压函数 (squashiing function)。 把许多个这样的神经元按-定的层次结构连接起来就得到了神经网络.事实上从计算机科学的角度看我们可以先不考虑神经网络是否真的模拟了生物神经网络只需将一个神经网络视为包含了许多参数的数学模型这个模型是若干个函数例如的相互(嵌套)代入而得.有效的神经网络学习算法大多以数学证明为支撑。
5.1.1 Python实现Sigmoid函数
数据集如下 计算神经元输出的方程
训练集输入方式training_set_inputs array([[0, 0, 1], [1, 1, 1], [1, 0, 1], [0, 1, 1]])
训练集的输出方式training_set_outputs array([[0, 1, 1, 0]]).T
定Sigmoid函数
import math
#导入math模块然后使用math静态对象调用幂函数。
def Sigmoid(x):#定义函数y 1 / (1 math.exp(-x))print(y)Sigmoid(5)
