
神经网络内积 如下图所示,通过神经网络的内积,可以将输入信号转换为输出信号。其中,$x$为输入信号,$w$为权重,$y$为输出信号。 输入信号: $$\vec{X} = (x1, x2)$$ 权重: $$\vec{W} = \begin{pmatrix} 1 & 3 & 5 \ 2 …

神经网络内积 如下图所示,通过神经网络的内积,可以将输入信号转换为输出信号。其中,$x$为输入信号,$w$为权重,$y$为输出信号。 输入信号: $$\vec{X} = (x1, x2)$$ 权重: $$\vec{W} = \begin{pmatrix} 1 & 3 & 5 \ 2 …

我们可以对上文感知机中的函数 $$y=\begin{cases}0 (x1w1 + x2w2 + b \le 0 )\ 1 (x1w1 + x2w2 + b > 0)\end{cases}$$ 做如下调整。将每次计算结果定义为a $$a=x1w1 + x2w2 + b$$ 然后定义函数 …