我通读本页面:http://neuralnetworksanddeeplearning.com/chap1.html以更好地了解神经网络的工作原理。我想创建一个简单的Java前馈网络,它没有反向传播或培训。了解神经网络图层,节点和点积
我在模糊的是网络中每层“神经元”所涉及的数学。假设我有三层。第一层采用大小为100的输入矢量。这是否意味着我的第一层将有100个神经元?这是否也意味着每个神经元的输入将是所有100个输入乘以权重的总和?这是总结我的神经元激活功能的输入?
在该章节中提到,神经元/感知器的所有输入之和可以重新表示为输入(x)和权重(w)的点积。我可以将它们视为两个独立的向量,它们的点积给出了x1w1 x2w2 x3w3 ..等,但是x1w1 + x2w2 + ..的总和仍然等于点积?
最后,如果一层应该有一个100的输入和1000的输出,这是否意味着该层实际上有1000个神经元,每个神经元需要100个输入?那么这个图层为每个神经元输出1个值,从而给出1000个输出?
如果这些问题完全无关紧要,我会提前致歉,我已经在线阅读了一些文档,这是我迄今为止的理解,但很难验证没有问问真正理解它的人。如果您有其他资源或视频可以提供帮助,他们会非常感激。
此外,良好的学习的地方是[deeplearning4j(HTTPS:/ /deearningarning4j.org/neuralnet-overview)了解神经网络的基础知识。 –