BP神经网络的Python代码

阅读量：

此前在本人的另一篇博客中，已对BP神经网络的相关理论进行了阐述，本次将借助Python语言进行实现。具体实现过程中可能存在一些细节上的差异。

在实际代码编写过程中，为了与偏倚单位相匹配，我们会在X的第一列插入一个额外的列，用作偏倚单位（bias unit），具体如下：

此时X的维度变为m（nIn+1）*

（二）隐含层

复制代码

 * **hi表示隐含层的输入，其尺寸为m*（nNode）** * **ho是隐含层的输出，在添加了偏倚单位之后，将作为下一层的输入** * **此时ho的维度为m*(nNode+1)**

（三）输出层

复制代码

 * **输出层输入的维度为m*nOut，其中nOut表示输出层每个样本输出的维度，在我的代码中，默认设置为1。矩阵中的每一行对应一个样本的输出结果** * **输出层最终生成的结果即为训练所得到的结果**

（四）由输入层到隐含层

复制代码

 * 权重矩阵的形式为nNode*(nIn+1)，其中行数对应于隐含层节点的数量，列数对应于输入层节点的数量

（五）由隐含层到输出层

复制代码

 * 权重矩阵的形式为nOut*(nN

全部评论 (0)

还没有任何评论哟~