1. 從生物學的神經單元里模擬而來

2. 權重

3. 單位階躍函數

4. 激活函數
->

附注：a為激活函數

4.1Sigmoid 函數

輸出值接近 1 表示興奮度高，接近 0 則表示興奮度低

->將-θ改為b，b偏置（ bias）

5.向量內積

（ w1， w2， w3， b）（ x1， x2， x3， 1）

神經網絡：
將神經單元的多個輸入 x1, x2, …, xn 整理為加權輸入 z。

神經單元通過激活函數 a(z)，根據加權輸入 z 輸出 y。

6.階層型神經網絡

按層來劃分，輸入層、 隱藏層、 輸出層，其中隱藏層也被稱為中間層

全連接層（ fully connectedlayer）： 前一層的神經單元與下一層的所有神經單元都有箭頭連接

卷積神經網絡

特征提取（ feature extraction）?

總結

以上是生活随笔為你收集整理的深度学习的数学 （1）基本概念的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。