标签：layer Based Network Algorithm weight 神经网络 3L hidden 展开

疑问：explicit/implicit polynomial是？区别？

神经网络：

three-layer feedforward network-->Taylor series neutral network model

根据泰勒展开，展开点（某一点）的导数可以用作多项式的参数，进而拟合函数

在论文实验中，选择原点展开，taylor coefficient用作神经元的权重

bias=0

input layer &hidden layer : weight=1

ouput of hidden layer: F(x)=wi(x-a)**i

小结： 前面那个权重全是是1，这样的话hidden layer每个神经元都代表 泰勒展开的一项

隐藏层再到输出， 每个乘以对应权重，通过训练得到output y目标函数

这里的weight数学意义就是 （函数n阶导数除以n的阶乘）

。。。。其他好像不重要

 Implicit polynomial fitting：

 general linear least square方法最差， 神经网络和3L差不多。但是加上噪音后，神经网络更好，3L拟合的有些不稳定

标签：layer,Based,Network,Algorithm,weight,神经网络,3L,hidden,展开
来源： https://www.cnblogs.com/GEORGE7/p/16263521.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。