记录一次自制简易神经网络的经历

简介：
本篇记录了一次从零开始构建简易人工神经网络的过程，分享了设计、编程以及调试中的心得体会。 记一次自己动手实现一个简单神经网络之前一直调包使用，最近刷算法题后突发奇想，决定尝试自己实现一个简单的神经网络模型。从基础开始做起，先构建一个二分类模型，并应用印第安人糖料病数据集进行实践。 在着手编写代码前的步骤包括参数初始化、定义激活函数、设计前向传播机制以及损失函数等关键部分。接着是反向传播算法（BP算法）的设计与实现，用于优化神经网络中的权重和偏置参数，并完成训练及测试流程。 最后，将自己编写的模型与PyTorch框架进行对比分析。 在具体实施过程中，首先需要处理的是初始化参数步骤： - 初始化参数：这里直接采用numpy库来创建所需数组。下面展示相关代码片段作为示例： ```python def initialize_parameters(self, m, n): # 参数初始化函数，接收输入层节点数m和输出层节点数n，并返回初始权重矩阵与偏置向量。 ``` 注意这是实现神经网络模型过程中最基本的一步，后续将围绕该基础继续展开更多功能的开发。