Κώδικας ένα μόνο νευρώνα στη γλώσσα της επιλογής σας . Οι λεπτομέρειες εφαρμογής θα ποικίλλει , αλλά κάθε νευρώνα πρέπει να είναι σε θέση να καταναλώνουν πολλαπλές εισόδους , να εφαρμόζουν συντελεστή στάθμισης σε διάφορες εισόδους και στη συνέχεια να εφαρμόσει ένα " sigmoid λειτουργία " για να παράγουν ένα αποτέλεσμα . Η « σιγμοειδές λειτουργία" θα διαφέρει ανάλογα με το τι το δίκτυο είναι σχεδιασμένο για να μάθουν . 2
Δημιουργήστε μια σειρά από « νευρώνες πρότυπο» στη γλώσσα της επιλογής σας . Δημιουργήσει ένα δεύτερο στρώμα των νευρώνων. Κάθε στρώμα των νευρώνων θα περάσει τις πληροφορίες σε ένα επόμενο στρώμα των νευρώνων που θα συνεχίσει να μεταβάλλει τις εισόδους μέχρι ένα στρώμα εξόδου έφτασε στο .
Εικόνων 3
Δημιουργήστε ένα στρώμα εξόδου που σας επιτρέπει να δώσει η απάντηση ότι το νευρωνικό δίκτυο θα πρέπει να έχουν παραχθεί . Σε αυτό το σημείο , το νευρωνικό δίκτυο πρέπει να « backpropagate " την απάντηση σε όλα τα προηγούμενα στρώματα των νευρώνων. Οι νευρώνες , τότε θα πρέπει να υπολογίσετε ένα λάθος και να προσαρμόσει τη στάθμιση για διάφορες εισόδους τους .
Η 4
Coach νευρωνικό δίκτυο σας μέχρι να αρχίσει να παράγει τα κατάλληλα αποτελέσματα σε σταθερή βάση .
εικόνων
Πνευματικά δικαιώματα © Γνώση Υπολογιστών Όλα τα δικαιώματα κατοχυρωμένα