《深度学习及应用》期末考试计算题回忆版

10*2分计算题1假设一个神经元有2输入信号 x【2,1】​对应的权重分别为 w​【0.5,0.4】偏置 b0.1激活函数sigmoid会给公式求神经元输出第一步计算加权和加权和就是输入与对应权重的乘积之和再加上偏置z(x1⋅w1)(x2⋅w2)bz(x1​⋅w1​)(x2​⋅w2​)b代入数值z(2×0.5)(1×0.4)0.1z(2×0.5)(1×0.4)0.1z1.00.40.11.5z1.00.40.11.5第二步用Sigmoid激活函数计算输出Sigmoid函数定义σ(z)11e−zσ(z)1e−z1​将 z1.5z1.5 代入σ(1.5)11e−1.5σ(1.5)1e−1.51​其中 e−1.5≈0.22313e−1.5≈0.22313所以σ(1.5)110.2231311.22313≈0.81757σ(1.5)10.223131​1.223131​≈0.81757最终输出结果0.81762.全连接神经网络输入层3个神经元隐藏层6隐藏层4输出层2没有偏置画出网络结构并计算参数量全连接层参数量公式无偏置参数数量 上一层神经元数 × 当前层神经元数逐层计算输入层 → 隐藏层13 × 6 18 个参数隐藏层1 → 隐藏层26 × 4 24 个参数隐藏层2 → 输出层4 × 2 8 个参数总参数量18248501824850最终答案50声明著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。