Python Deep Learning 深學筆記 - uì 神經元成做神經網路

←前一篇     後一篇→

若是頭一擺來遮，建議先來踏話頭

請共教育部閩南語常用辭典開--咧，隨時會當查。

若是英文, 我會用斜體, 來表示

複習

咱佇進前討論--ê, 攏是神經元 (Perceptron) ê 性質, uì 伊个定義, 行到  Ló-tsi̍k (Logic), 基本 ê Ló-tsi̍k-ké(Logic Gate), 到較複雜 ê Ek-Óo-ké (XOR Gate).

這寡攏是簡單一个神經元 ê 性質. 簡單兩个輸入, 會產出啥物輸出, 親像下跤這張圖按呢 :

伊个表示是:

y = 1 if (w1x1 + w2x2 - θ ≦ 0)  
y = 0 if (w1x1 + w2x2  - θ > 0 )

紲落來咱閣學戛火函數, 會使kā伊整做一 ê 函式來表示:

a = w1x1 + w2x2 + b    (佇遮 θ= -b)
y = h(a)

實際上就是:

y = h(w1x1 + w2x2 + b)

這馬咱欲kā伊楦闊, 因為誠實 ê 網路是一个輸入, 會佇仝時間刺激濟个神經元. 親像下跤這張圖:

這時, 咱是欲按呢寫三改:

y1 = h(w11 x1 + w21 x2 + b1)
y2 = h(w12 x1 + w22 x2 + b2)
y3 = h(w13 x1 + w23 x2 + b3)

咱先莫插 h() , kā伊當做 h(x)=x ê 恆等函數 (identity_function), 就是啥乜攏無做, 原本不動,

y1 = w11 x1 + w21 x2 + b1
y2 = w12 x1 + w22 x2 + b2
y3 = w13 x1 + w23 x2 + b3

咱愛知影, w1, w2 逐組攏無仝, 所致咱愛用較複雜 ê  w11, w12,...方式來標示, 咱人較袂花--去阿. 

若是閣較濟神經元, 規千規萬, 閣較濟棧, 干焦標示, 都舞袂了阿, 欲按怎分析佮發展咧?  

敢有較屧貼 ê 表示和做法咧?

咱就愛倚靠濟維陣列 ê dot (tot) 運算囉!

用濟維陣列來表示兩棧 ê 變化

佇頂仔彼三的數學式, 咱若kā伊整理一个, 成做:

這就是佇前一篇講个 dot 運算. 按呢, 輸入和輸出 ê 關係會使用較媠氣 ê 寫法:

X ● W = Y 

佇遮, X 就是 x1, x2..., xN ê 集合, W 和 Y 嘛仝款, 咱調整 X 和 W, 就是調整這个神經網路.

三棧 ê 網路

這馬若是咱閣加一棧咧?

三棧 ê 網路, 咱會使 kā 伊看做是 （X -> Y), (Y -> Z) 兩个兩棧網路 kā 伊敆--起來.

X ● W1 = Y 
Y ● W2 = Z 

這 W1, W2 是兩組權重.

紲落來一篇, 咱才來介紹欲按怎用 Python 實做

←前一篇     後一篇→