文章 "神经网络轻松制作" - 页 2

新评论
 
Реter Konow:
这篇文章的第二部分是 "人工神经元是如何工作的"。如果我说错了，请指正。

1.神经元由多种功能组成：
1.第一个功能是将输入值乘以权重系数。
2. 第二个是对得到的乘积求和。

从文章中可以看出，神经元的具体实现包含以下内容：

1.该神经元包含的所有神经元的权重。

2.2. 使用加权和对权重求和。

3. Actualising 函数--该函数已经输出了该神经元的最终值。


虽然代码无法编译，但写得非常清楚。详情请参见神经元类。

 
好的。神经元激活函数？也就是说，是一个将其激活到 0 和 1 之间，还是 -1 和 1 之间的函数？
 
Реter Konow:
好的。神经元激活函数？就是说，在 0 和 1 之间或 -1 和 1 之间的范围内的函数？

是的，没错。作者在维基百科或网上给出了最常用的激活函数的名称，您可以阅读更多相关内容。

，我自己也对这个话题很感兴趣，以后如果时间允许，我还会更详细地挖掘）。

 
只有输入信号也必须在这个区间内。我所说的输入信号是指神经元的输入信号，而不是我们讨论的函数的输入信号。
 
Andrey Azatskiy:

没错

好的。很明显，神经元的输入值来自数据阵列或上一层神经元。
但是，与输入值相乘的权重系数从何而来呢？
 
神经元输入值乘以权重系数似乎是网络 "训练 "的结果。也就是说，它们一开始并不存在，然后才会出现。但具体是如何产生的，目前还不清楚。
 
Реter Konow:
神经元输入值乘以权重系数似乎是网络 "训练 "的结果。也就是说，它们一开始并不存在，然后才会出现。但具体是如何出现的，目前还不清楚。

我和你们一样，以前也没有使用过神经元，但在阅读了这篇文章并仔细研究了代码之后，所有这些问题都不复存在了。
神经元的初始权重值是随机设置的，或者是从以前保存的文件中设置的。在学习过程中，根据目标值和最近神经元输出值的误差，所有权重都会重新计算。权重的重新计算本身在每个神经元中独立进行（请参阅文章中描述神经元的部分，并查看神经元本身的代码）。

 
Andrey Azatskiy:

我和你一样，以前也没有使用过神经元，但在阅读了这篇文章并仔细查看了代码后，所有这些问题都消失了。
神经元的初始权重值是随机设置的，或者是从以前保存的文件中设置的。在学习过程中，根据目标值和最近一个神经元输出值的误差，所有权重都要重新计算。权重的重新计算本身是在每个神经元中独立完成的（请查看文章中描述神经元的部分，并查看神经元本身的代码）。

我从与知识渊博的人的对话中更容易学到知识。比文章快 10 倍。）

谢谢您的解释。
 
Реter Konow:
这篇文章很有意思。你能解释一下 "用手指 "吗？

1.神经元的内部结构是什么？
2.什么是神经元束？(意思是两个神经元--第 1 层神经元和第 2 层神经元--之间的连接）。

这些都是我从文章读到最后才明白的问题。

谢谢。
Retag Konow:
这篇文章的第二部分是 "人工神经元是如何工作的"。如果我说错了，请指正。

神经元由多种功能组成：
1.第一个功能是将输入值乘以权重系数。
2. 第二个是对得到的乘积求和。
第三个计算激活函数的结果值。

我听懂了，但不明白其中的含义。

晚上好，彼得。
里面的神经元由两个函数组成：
1.首先，我们计算所有输入信号的总和，并将其加权系数考虑在内。也就是说，我们将神经元每个输入端的值乘以相应的加权系数。然后将得到的乘积值相加。


这样，我们就得到了一个特定的值，并将其输入到激活函数的输入端。

2.激活函数将得到的总和转换为归一化输出信号。这可以是一个简单的逻辑函数，也可以是各种西格码函数。后者的应用更为广泛，因为它们的状态变化过渡更为平滑。

神经元之间的通信是将一个神经元的输出值直接传输到下一个神经元的输入端。在这种情况下，参照第 1 点，神经元的输入值将根据其权重系数加以考虑。

 
Andrey Azatskiy:
另一个问题是神经元名称（neurotNam）--在层中创建神经元的方法--到底是什么？它没有在任何地方声明，为什么神经元的初始值等于除以 3 的余数减 1 的逻辑也不清楚？

代码中的错误已更正，文章中的文件也已替换。
指定行分配了神经元输出值的初始数据，可以用常数代替。该值将在第一次直接重新计算神经网络值时更改。

123456789
新评论