MLP 实现步骤共 5 步步骤 1输入层数据准备在表格中输入两个特征值 x1、x2作为 MLP 的输入。本次使用x10.5x20.8步骤 2设置网络参数权重 偏置手动设置输入层到隐藏层、隐藏层到输出层的权重和偏置隐藏层参数w110.2w210.3b10.1w120.4w220.1b20.2输出层参数v10.5v20.3b30.15步骤 3计算隐藏层净输入对隐藏层神经元进行线性加权求和得到净输入H1 净输入 x1w11 x2w21 b1H2 净输入 x1w12 x2w22 b2步骤 4隐藏层激活Sigmoid使用 Sigmoid 激活函数将净输入转换为非线性输出H1 输出 1 / (1 exp (-H1 净输入))H2 输出 1 / (1 exp (-H2 净输入))步骤 5计算输出层并得到最终结果对输出层进行加权求和并激活得到 MLP 最终输出输出层净输入 H1v1 H2v2 b3最终输出 1 / (1 exp (- 输出层净输入))
EXCEL文件展示MLP的计算过程
MLP 实现步骤共 5 步步骤 1输入层数据准备在表格中输入两个特征值 x1、x2作为 MLP 的输入。本次使用x10.5x20.8步骤 2设置网络参数权重 偏置手动设置输入层到隐藏层、隐藏层到输出层的权重和偏置隐藏层参数w110.2w210.3b10.1w120.4w220.1b20.2输出层参数v10.5v20.3b30.15步骤 3计算隐藏层净输入对隐藏层神经元进行线性加权求和得到净输入H1 净输入 x1w11 x2w21 b1H2 净输入 x1w12 x2w22 b2步骤 4隐藏层激活Sigmoid使用 Sigmoid 激活函数将净输入转换为非线性输出H1 输出 1 / (1 exp (-H1 净输入))H2 输出 1 / (1 exp (-H2 净输入))步骤 5计算输出层并得到最终结果对输出层进行加权求和并激活得到 MLP 最终输出输出层净输入 H1v1 H2v2 b3最终输出 1 / (1 exp (- 输出层净输入))
