Addtional Files for Implementing Neural Network from Scratch
Download as PPTX, PDF
0 likes206 views
Jaringan melakukan prediksi dengan melakukan perkalian matriks dan fungsi aktivasi secara berurutan antar layer, dimulai dari input ke hidden layer ke output layer, dengan parameter jaringan seperti berat dan bias yang ditentukan selama pelatihan.
Addtional Files for Implementing Neural Network from Scratch
- 1. How our network makes predictions
- 2. Jaringan yang kami bangun melakukan prediksi menggunakan forward propagation, yang hanya merupakan sekelompok matrix perkalian dan penerapan fungsi aktivasi. Jika adalah input 2- dimensional pada jaringan maka kami meng-kalkulasi perdiksi (yang juga 2- dimensional) sebagai berikut:
- 3. 1 = ヰ1 + 1 1 = tanh(1) 2 = 1 2 + 2 2 = = softmax(2) ю adalah input layer dan adalah input layer setelah menerapkan fungsi aktivasi. 1. 1. 2. 2 merupakan parameter dari jaringan yang dibutuhkan untuk melatih data.
- 4. Anda bisa menganggap semua yang diatas merupakan perubahan data matriks antar layer jaringan. Melihat ke perkalian matriks diatas kita bisa mencari tahu dimensionalitas dari matrix tersebut. Jika anda menggunakan 500 node untuk hidden layer maka 1 2500 , 1 500 ,2 5002 , 2 2 . Sekarang anda bisa mengetahui mengapa kami memiliki parameter lebih banyak jika kita bisa menambahkan ukuran pada hidden layer