신경망 구현하기

여기서 구현해 보는 신경망은 

입력층 : node 2개

은닉층1 : node 3개

은닉층2 : node 2개

출력층 : node 2개 

인 신경망 입니다.

먼저 첫번째 입력층 - > 첫번째 은닉층 을 구현 해 보았습니다.

 
X = np.array([1.0,0.5])#첫번째 층
W1 = np.array([[0.1,0.3,0.5],[0.2,0.4,0.6]])
B1 = np.array([0.1,0.2,0.3])
 
A1 = np.dot(X,W1) + B1#활성화 함수를 거치기 전 은닉층 1로 간 정보들
 
Z1 = sigmoid(A1)
print("활성화 함수 이전 ", A1)
print("활성화 함수 이후 ", Z1)

결과값은 다음과 같습니다.

활성화 함수 이전  [0.3 0.7 1.1]
활성화 함수 이후  [0.57444252 0.66818777 0.75026011]

다음으로 첫번째 은닉층 ->  두번째 은닉층의 구현입니다.

W2 = np.array([[0.1,0.4],[0.2,0.5],[0.3,0.6]])
B2 = np.array([0.1,0.2])
 
 
A2 = np.dot(A1,W2) + B2#은닉층 1의 정보와 weight, bias 계산
 
Z2 = sigmoid(A1)#활성화 함수를 거친 정보가 은닉층2 노드에 저장

다음으로 두번째 은닉층 -> 출력층 의 구현입니다.

출력층의 활성화 함수는

def identity_function(X):
    return X

함수를 사용했고,

W3 = np.array([[0.1,0.3],[0.2,0.4]])
B3 = np.array([0.1,0.2])
 
A3 = np.dot(Z2, W3) + B3
Y = identity_function(A3)

출력층 Y까지 구현이 완료되었습니다.