目录
- 简介
- 说明
- 5.1
- 5.2
- 5.3
- 结语
简介
Hello！
非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～
ଘ(੭ˊᵕˋ)੭
昵称：海轰
标签：程序猿｜C++选手｜学生
简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研
学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！
唯有努力????
本文仅记录自己感兴趣的内容
说明
作业要求：每章从课后习题中选取3道题做就可以了
仅供参考
5.1
试述将线性函数用作神经元激活函数的缺陷？
答：如果我们使用线性函数作为神经元激活函数，对任意的输入x，经过此函数f(x)，本质上还是对x进行了线性变化，这样神经网络对于输入的处理作用也就与线性回归一致，并无太多区别，达不到激活函数的目的。
5.2
试述使用图5.2(b)激活函数的神经元与对率回归的联系。
答：sigmoid函数为，在神经网络中的一个神经元中,再经过sigmoid函数可以得到下一层神经结构的输入： ，在对数几率回归中，得到后，再利用sigmoid函数进行一个分类处理，即sigmoid(z)>0.5时候输出1，sigmoid(z)< 0.5时输出0。sigmoid函数在神经元和对数几率中作用相似，区别只是神经元中是直接输出经过sigmoid处理后的值，而在对数几率回归中则会再依据sigmoid的进行进一步的处理。
5.3
对于图5.7中的h，试推导出BP算法中的更新公式(5.13)。
结语
文章仅作为个人学习笔记记录，记录从0到1的一个过程
希望对您有一点点帮助，如有错误欢迎小伙伴指正
