上两讲着重讲述了神经网络的基础知识,为了后续对神经网络的理解,今天从矩阵和向量的角度再理解一下神经网络。
以上一讲的神经网络为例说明:
把输入层和隐藏层抽象成向量(这里假设只有一组数据):
将权重组成矩阵后,神经网络的表示如下:
这只是针对训练集中一个训练实例所进行的计算,如果我们要对整个训练集进行计算,我们需要将训练集特征矩阵进行转置,下面我们以三个实例数据来详细描述上面过程:
现实问题中的训练实例会很多,而且网络结构也会不同,但是和上面的推导过程都是一样的,以上就是把神经网络等价成矩阵和向量的过程,感兴趣的朋友可以自己推导一下。
祝您的机器学习之旅愉快!
本文参考资料:斯坦福吴恩达老师的机器学习讲义,图片直接来自讲义;
往期回归
领取专属 10元无门槛券
私享最新 技术干货