給出一個生活中的最簡單的兩層神經網的實際例子

給出一個生活中的最簡單的兩層神經網的實際例子
馬克- to-win:馬克 java社區(qū):防盜版實名手機尾號: 73203。
馬克-to-win @ 馬克java社區(qū):防盜版實名手機尾號:73203。下面我們給出一個生活中的最簡單的兩層神經網的實際例子。比如,在我們的心目當中,只要有游泳池這種設施的房子就屬于高檔住宅。先進行一個初步判斷,高還是低?最后才進行最終的價格判斷,所以這樣就有了兩層神經網絡。先看是高檔還是低檔住宅,之后高檔住宅的價格偏移和低檔住宅的價格偏移是完全不一樣的。馬克- to-win @ 馬克java社區(qū):在下圖中,判斷高檔和低檔住宅的這一層叫做隱含層,英文叫hidden,我們這里用h1和h2代表。加上輸入層,x1和x2,這樣就構成了兩層的神經網絡。隱含層可以做一個初步的判斷。將來可以有更多的隱含層。比如有一處房子,地點在天安門旁邊東華門,輸入x1就應該等于五萬元一平米,權重w1,w2的值都是0.5。馬克-to-win @ 馬克java社區(qū):而這處房子帶游泳池,于是x2=1,000,000,w3是0.8,w4是0.001,(為什么?因為高檔設施對判斷為高檔住宅貢獻較大)b1=50000,b2=10000,w5=0.8, w6=0.001(為什么?因為高檔住宅對最終的價格貢獻較大),b3=1000于是:
h1=x1*w1+x2*w3+b1=50000*0.5+1,000,000*0.8+50,000=875,000。
h2=x1*w2++x2*w4+b2=50000*0.5+1,000,000*0.001+10000=36000
o1=h1*w5+h2*w6+b3=875,000*0.8+36000*0.001+1000=701,036




現(xiàn)在:另外有一處房子在6環(huán),無游泳池。輸入x1就應該等于一萬元一平米,權重w1,w2的值都是0.5。而這處房子無游泳池,于是x2=100,w3是 0.8,w4是0.001,b1=50,000,b2=10000,w5=0.8, w6=0.001,b3=1000于是:
h1=x1*w1+x2*w3+b1=10000*0.5+100*0.8+50,000=55080
h2=x1*w2++x2*w4+b2=10000*0.5+100*0.001+10000=15000.1
o1=h1*w5+h2*w6+b3=55080*0.8+15000.1*0.001+1000=45079.0001