初学rnn(1)
来源:互联网 发布:广播系统 杰网络 编辑:程序博客网 时间:2024/05/29 15:30
先贴上原文网址:
点击打开链接
解释的已经很详细了,主要记录几点自己的想法:
X = np.array([ [0,0,1],[0,1,1],[1,0,1],[1,1,1] ]) y = np.array([[0,1,1,0]]).T syn0 = 2*np.random.random((3,4)) - 1 syn1 = 2*np.random.random((4,1)) - 1 for j in xrange(60000): l1 = 1/(1+np.exp(-(np.dot(X,syn0)))) l2 = 1/(1+np.exp(-(np.dot(l1,syn1)))) l2_delta = (y - l2)*(l2*(1-l2)) l1_delta = l2_delta.dot(syn1.T) * (l1 * (1-l1)) syn1 += l1.T.dot(l2_delta) syn0 += X.T.dot(l1_delta)开始的这个代码可以直接略过,这是最后一个例子的简化版。
前后两个例子代码的区别在于神经网络层数的不同,更直接点的说法就是:
第一个里面是把每个4*1向量看成一个整体,给每个整体一个固定的权值,按权值将它们加起来就得到最后的结果;
而第二个里面会先把每个1*3向量(每个整体输入中的第i个组成)按不同权重加起来(相当于得到新的输入),得到4*4的矩阵(每一列看成一个新的输入),然后在给每个新的输入一个权值,组合出输出。
0 0
- 初学rnn(1)
- RNN初学入门笔记(1)
- tensorflow1.1/RNN预测
- RNN(一) overview
- 循环神经网络(RNN)
- 循环神经网络(RNN)
- 递归神经网络(RNN)
- RNN浅析(上)
- RNN实例(一)
- 循环神经网络(RNN)
- RNN(循环神经网络)
- RNN
- rnn
- RNN
- RNN
- RNN
- RNN
- RNN
- 第13章.综合技术
- 欠拟合、过拟合及其解决方法
- 矩形覆盖
- 项目中Angularjs遇到的问题和优化总结
- 什么是TCP/IP
- 初学rnn(1)
- ubuntu 下 caffe 的安装
- 遍历一次实现单链表顺序反转
- IOPS和带宽对存储性能的影响?
- c++(4)
- VMware 虚拟机 linux执行 ifconfig 命令 eth0没有IP地址(intet addr、Bcast、Mask) UP BROADCAST MULTICAST 问题
- 函数调用时,系统底层做了什么?
- Js处理Json数据的几种方式
- 【Zookeeper】源码分析之请求处理链(二)