'n Neuron van nuut af
Al van diep leer word gebou uit een klein deel: die kunsmatige neuron. Dit doen drie dinge, in volgorde.
- Gewigsom.Vermenigvuldig elke input met sy eie gewig en tel hulle bymekaar op. 'n Gewig sê hoeveel daardie input saak maak.
- Voeg 'n bias by. 'n Enkele getal wat die resultaat op of af skuif, soos 'n ondersneeing.
- Activation. Druk die resultaat deur 'n nie-lineêre funksie sodat die neuron meer as 'n reguit lyn kan uitdruk.
A klassieke aktivering is die sigmoid, wat enige getal na 'n waarde tussen 0 en 1 omskakel (handig vir waarskynlikhede):
sigmoid(z) = 1 / (1 + e^(-z))Sommige merke: sigmoid(0) is presies 0.5, groot positiewe insets nader 1, en groot negatiewe insets nader 0. Sit dit saam en 'n neuron is net:
import numpy as np
def neuron(x, w, b):
z = np.dot(x, w) + b # weighted sum + bias
return 1 / (1 + np.exp(-z)) # sigmoid activationnp.dot(x, w) doen die vermenigvuldig-en-optel vir die hele input-vektor gelyktydig. Dit is die hele idee. Stap duisende van hierdie op en stel die weights aan, dan het jy 'n neurale netwerk.
Implementeer neuron(x, w, b) met numpy. Bereken die gewigsom np.dot(x, w), voeg die bias b by, en gee dan die sigmoid daarvan terug. Stel dan out = neuron(x, w, b) in vir die gegewe x, w, en b.
Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les
Hierdie oefening open binnekort
Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.
Hierdie blutser blokkeer koekies vir learn.floati.life, so lesse wat jy hier voltooi het kan nie in volgorde oopgaan nie. Laat koekies vir hierdie webwerf toe en laai nuut.