神经网络是由一个个的被称为“神经元”的基本单元构成,单个神经元的结构如下图所示:
Sigmoid函数的区间为[0,1],而tanh函数的区间为[−1,1]。
若是使用sigmoid作为神经元的激活函数,则当神经元的输出为1时表示该神经元被激活,否则称为未被激活。同样,对于激活函数是tanh时,神经元的输出为1时表示该神经元被激活,否则称为未被激活。
神经网络是由很多的神经元联结而成的,一个简单的神经网络的结构如下图所示:
其中一个神经元的输出是另一个神经元的输入,+1项表示的是偏置项。上图是含有一个隐含层的神经网络模型,L1层称为输入层,L2层称为隐含层,L3层称为输出层。
上述以单隐层神经网络为例介绍了神经网络的基本结构,在神经网络的结构中,可以包含多个隐含层,神经网络的输出神经单元也可以是多个,如下面的含多隐层多输出单元的神经网络模型:
对于神经网络的学过程,大致分为如下的几步:
1、英文版:UFLDL Tutorial
2、中文版:UFLDL教程