일반적으로 뉴런 당 사전 활성화 함수는 내부 곱 (또는 벡터 벡터 곱셈의 내적 곱)과 바이어스를 유도하는 하나의 덧셈의 조합입니다. 단일 뉴런
b
첨가제가 용어 (뉴런의 바이어스)이다
z = b + w1*x1 + x2*x2 + ... + xn*xn
= b + w'*x
h = activation(z)
로서 설명 될 수 있고, 각 층 h
하나의 출력과 다음 층의 입력에 대응한다. "출력 레이어"의 경우에는 y = h
입니다. 계층은 또한 여러 개의 뉴런으로 구성되거나 단일 뉴런만으로 구성 될 수 있습니다.
위의 경우에 바이어스가 사용되지 않는 것처럼 보입니다. 나는 다음과 같이 그것을 이해한다 :
각 입력 뉴런 x1
to x9
에 대해, 단일 무게가 사용된다. 동일한 규칙이 적용 출력에 숨겨진 레이어를 연결하기 위해
hidden_out = sigmoid(w1*x1 + w2*x2 + ... + w9*x9)
: 출력층의 입력 가중하고 각지 합산 아홉 개 입력이 있기 때문에,이 같은 결과 9 개 가중치를 만든다 입력. 하나의 입력이 있으므로, 하나의 중량을 시그 모이 드 함수 0..1의 출력 범위에 입력을 찌그러 트려 것을
output = w10*hidden_out
그래서 그것을 곱한 명심 "합산"으로 같은 것이다 무게가 필요한 출력 범위로 다시 조절됩니다.
가능하면 종이를 제공하는 것이 더 좋다고 생각합니다. – malioboro