人造神经元的功能是什么样的？

Question

我几乎把整个事情都组织在我的脑海中，但我想确认一下。

我们有一个3层的神经网络。

1. 我们输入X和他们的权重Ws（我们在开头随机选择Ws）。
2. 神经元为所有输入求和x * w（或者在这里可以有不同的函数，如果是的话为什么我们需要它，在什么情况下）。
3. 我们将总和传递给激活函数，并将函数的输出传递给下一层中的下一个神经元。
4. 在训练网络时，我们使用反向传播（如果我们有一个没有隐藏层的神经网络），我们等待它训练。

所以我的问题是SUM函数，它可以是不同的，如果是的，为什么？

另外一个快速的问题，如果我想训练神经网络来解决一个* x^2 + b * x + c = y和我有随机值为x和相应的y什么将是网络的设计？我需要多少层？

Answer 1

关于2）。这是更普遍使用的函数，非线性加权和的更一般形式是f（x）= sum（w * g（x）），其中g（x）是另一函数。你也可以改变f（x）和g（x），但我不会推荐，除非你有充分的理由。 您将该f（x）的结果传递给激活函数。我建议你阅读所提供的激活功能，为什么你想使用的另一个，也许这将帮助你：https://stats.stackexchange.com/questions/35776/choice-of-neural-net-hidden-activation-function

隐藏层数： https://stats.stackexchange.com/questions/181/how-to-choose-the-number-of-hidden-layers-and-nodes-in-a-feedforward-neural-netw

实际上还要考虑你的数据基本上。

我认为这个问题属于另一个网站，如交叉验证。

干杯！