机器学习（周志华）学习笔记五：第五章习题5.5

萌哒哒虎

于 2020-02-18 15:46:57 发布

阅读量1.1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： python 文章标签：神经网络 python

本文链接：https://blog.csdn.net/mddh_123/article/details/104376205

本文探讨了神经网络中隐层神经元数量对输出结果的影响，指出在学习过程中这一因素的重要性。虽然神经网络通过中间层增强超平面划分能力，但如何选择合适的隐层神经元数量在理论中并未深入讲解。程序实现部分和补充信息则提供了实践应用的视角。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、神经网络

神经网络通过隐层（中间层）的变换，增加了超平面的划分能力。然而，在对神经网络的学习中，没有看到关于隐层神经元数量选择的解释。也就是说，在神经网络理论中似乎并没有考虑到网络结构对输出结果产生的影响。

二、代码实现

    def calculate(self, input_values):
        """

        :param input_values: [color root ...]
        :return: [y1, y2 ...]
        """
        # 隐层神经元的输出
        bs = []
        for h in range(self.mid_num):
            alpha = 0
            for i in range(self.input_num):
                alpha += input_values[i] * self.neron_group['input'][i]['weight'][h]
            # 激活函数作用
            b = self.active_function(alpha - self.neron_group['mid'][h]['threshold'])
            bs.append(b)

        # 输出层神经元的输出
        ys = []
        for j in range(self.output_num):
            beta = 0
            for h in range(self.mid_num)<