本作品内容为给定一个4层神经网络：输入层（第0层）有784个神经元，第1个隐藏层（第1层）有128个神经元，第2个隐藏层（第2层）有64个神经元，第3个隐藏层（第3层）有24个神经元，输出层（第4层）有10个神经元。采用Sigmoid函数作为中间层激活函数，softmax函数作为输出层，交叉熵作为损失函数，运用梯度下降法学习该网络各层的权重和偏置的最优值，使得损失函数最小。输入数据为100个MNIST手写数据，样本标签为0至9。， 格式为 docx， 大小1 MB， 页数为1， 请使用软件Word(2010)打开， 作品中主体文字及图片可替换修改，文字修改可直接点击文本框进行编辑，图片更改可选中图片后单击鼠标右键选择更换图片，也可根据自身需求增加和删除作品中的内容， 源文件无水印， 欢迎使用熊猫办公。 如认为平台内容涉嫌侵权，可通过邮件：tousu@tukuppt.com提出书面通知，我们将及时处理。