【神经网络】{3} ——计算复杂的非线性假设模型（1）

此处通过例子来展示神经网络是怎样计算复杂的非线性假设模型的。 例子： 这个网络只有一个输入特征x_1，还有一个偏置单元+1。现在用权重（参数），也就是+10和-20把这些单元连接起来： 故假设模型为： 故： 观察得出的结果，会发现它确实实现了函数NOT x_1。 若要实现逻辑非运算，大体思想就是在预期得到非结果的变量前面放一个很大的负权重（参数）。比如说-20乘以x_1，这就是对x_1做逻辑非运算

>>阅读原文<<