神经网络架构

神经网络模型 神经网络分为输入层、隐藏层、输出层；以一个四层的神经网络为例（包含两个隐藏层），输入层x1,x2,x3经过第一组权重参数W1后，得到了第一个隐藏层的数据。然后再经过W2、W3后，得到最后的输出层数据。 那么，既然如此，可以直接用一个WX来进行表示就可以，为什么要加那么多的隐藏层？ 因为还得考虑到非线性的情况，WX是不能表现出非线性的情况的。 激活函数 如上图所示，特征值x经过W1后，

>>阅读原文<<