神经网络、结构、权重和矩阵

介绍

我们在机器学习教程的前一章中介绍了有关神经网络的基本思想。
我们已经指出了生物学中神经元和神经网络之间的相似性。我们还引入了非常小的人工神经网络，并引入了决策边界和 XOR 问题。
在我们到目前为止介绍的简单示例中，我们看到权重是神经网络的基本部分。在开始编写具有多层的神经网络之前，我们需要仔细查看权重。
我们必须了解如何初始化权重以及如何有效地将权重与输入值相乘。
在接下来的章节中，我们将用 Python 设计一个神经网络，它由三层组成，即输入层、隐藏层和输出层。您可以在下图中看到这种神经网络结构。我们有一个包含三个节点的输入层一世1,一世2,一世3 这些节点得到相应的输入值 X1,X2,X3. 中间或隐藏层有四个节点H1,H2,H3,H4. 该层的输入源于输入层。我们将很快讨论该机制。最后，我们的输出层由两个节点组成○1,○2
输入层与其他层不同。输入层的节点是被动的。这意味着输入神经元不会改变数据，即在这种情况下没有使用权重。他们接收一个值并将这个值复制到他们的许多输出中。

输入层由节点组成 一世1, 一世2 

神经网络、结构、权重和矩阵最先出现在Python成神之路。