神经网络计算过程

1、通过下述模型计算出各个神经元的输入与输出

其中 X₁ =1，X₂ = -1，要求计算Z_1, Z_2, Z_3，并写出计算过程。

 

Z-1=1*1+-1*2=-1   

Z-2=-1*1+-1*1=-2   

Z-3=1*a1+1*a2=a1+a2

2、卷积神经网络计算

（1）要求写出输出图像红框中数值-3的计算过程；

2*1+1*-1+2*-1+2*-1=-3

（2）说明pading，Filter的作用；

Padding:1）为了不丢弃原图信息

2）为了保持feature map大小与原图一致

3）为了让更深层的layer的input依旧保持足够大的信息量

4）为了实现上述目的，且不做多余的事情，padding出来的pixel的值均为0，不存在噪音问题。

Filter的作用:让神经网络自己找到更加复杂的边缘检测方式

（3）用公式说明输出图像的大小如何计算得出。（步长=2）

F=wx+b  

维度=（图像大小-卷积核大小）/步长+1

(7*7*3-3*3*3*2)/2+1