此处通过例子来展示神经网络是怎样计算复杂的非线性假设模型的。 例子: 这个网络只有一个输入特征x_1,还有一个偏置单元+1。现在用权重(参数),也就是+10和-20把这些单元连接起来: 故假设模型为: 故: 观察得出的结果,会发现它确实实现了函数NOT x_1。 若要实现逻辑非运算,大体思想就是在预期得到非结果的变量前面放一个很大的负权重(参数)。比如说-20乘以x_1,这就是对x_1做逻辑非运算的主要思路。 那么如何计算这个方程呢? 通过上面的例子,我们可以知道其中一个方法就是在x_1和x_2前面放一个较大负数作为权值(参数)。 不过还有一个方法,就是建立只有一个输出单元的神经