Warstwa 1 warstwa 2

W1

X n1

y1

W2 y2 w4 y

X n2 n4

W3 y3

X n3

Wejście to wektor x=[1,1]

Waga neuronu 1 w1=[0.5,0.5]

Waga neuronu 2 w2=[-1,2]

Waga neuronu 3 w3=[-1,-1]

Waga neuronu 4 w4=[0.5,1,-1]

Mnożenie skalarne wektorów:

[a1,a2]*[b1,b2] = a1*b1 + a2*b2

Czyli:

Wejście neuronu razy waga wejścia

y1 = [1,1]*[0.5,0.5] = 0.5 + 0.5 = 1

y2 = [1,1]*[-1,2] = -1 + 2 = 1

y3 = [1,1]*[-1,-1] = -1 + (-1) = -2

y= [y1,y2,y3]*w4= [1,1,-2]*[0.5,1,-1] = 0.5 + 1 + 2 = 3.5

biorąc po uwagę funkcję aktywacji neuronu „sigma”

y

1

-1

Wynik przetwarzania sieci będzie wynosił 1

---