首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    给出一个生活中的最简单的两层神经网的实际例子

    下面我们给出一个生活中的最简单的两层神经网的实际例子。比如,在我们的心目当中,只要有游泳池这种设施的房子就属于高档住宅。先进行一个初步判断,高还是低? 最后才进行最终的价格判断,所以这样就有了两层神经网络。先看是高档还是低档住宅,之后高档住宅的价格偏移和低档住宅的价格偏移是完全不一样的。马克-to-win @ 马克java社区:在下图中,判断高档和低档住宅的这一层叫做隐含层,英文叫hidden,我们这里用h1和h2代表。加上输入层,x1和x2,这样就构成了两层的神经网络。隐含层可以做一个初步的判断。将来可以有更多的隐含层。比如有一处房子,地点在天安门旁边东华门,输入x1就应该等于五万元一平米,权重w1,w2的值都是0.5。马克-to-win @ 马克java社区:而这处房子带游泳池,于是x2=1,000,000,w3是0.8,w4是0.001,(为什么? 因为高档设施对判断为高档住宅贡献较大)b1=50000,b2=10000,w5=0.8, w6=0.001(为什么? 因为高档住宅对最终的价格贡献较大),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 现在:另外有一处房子在6环,无游泳池。输入x1就应该等于一万元一平米,权重w1,w2的值都是0.5。而这处房子无游泳池,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

    00

    基础练习 龟兔赛跑预测

    话说这个世界上有各种各样的兔子和乌龟,但是研究发现,所有的兔子和乌龟都有一个共同的特点——喜欢赛跑。于是世界上各个角落都不断在发生着乌龟和兔子的比赛,小华对此很感兴趣,于是决定研究不同兔子和乌龟的赛跑。他发现,兔子虽然跑比乌龟快,但它们有众所周知的毛病——骄傲且懒惰,于是在与乌龟的比赛中,一旦任一秒结束后兔子发现自己领先t米或以上,它们就会停下来休息s秒。对于不同的兔子,t,s的数值是不同的,但是所有的乌龟却是一致——它们不到终点决不停止。   然而有些比赛相当漫长,全程观看会耗费大量时间,而小华发现只要在每场比赛开始后记录下兔子和乌龟的数据——兔子的速度v1(表示每秒兔子能跑v1米),乌龟的速度v2,以及兔子对应的t,s值,以及赛道的长度l——就能预测出比赛的结果。但是小华很懒,不想通过手工计算推测出比赛的结果,于是他找到了你——清华大学计算机系的高才生——请求帮助,请你写一个程序,对于输入的一场比赛的数据v1,v2,t,s,l,预测该场比赛的结果。

    02
    领券