Updates dl/introduction/ji-ben-gai-nian.md

Auto commit by GitBook Editor

Author: shunliz

assets/dlnet2.png

@@ -6,7 +6,7 @@
 
 在原来MP模型的“输入”位置添加神经元节点，标志其为“输入单元”。其余不变，于是我们就有了下图：从本图开始，我们将权值w1, w2, w3写到“连接线”的中间。
 
-![](http://img.blog.csdn.net/20160114193502846)  
+![](/assets/simplenet.png)  
                                                       图1 单层神经网络
 
 在“感知器”中，有两个层次。分别是输入层和输出层。输入层里的“输入单元”只负责传输数据，不做计算。输出层里的“输出单元”则需要对前面一层的输入进行计算。
@@ -17,7 +17,7 @@
 
 下图显示了带有两个输出单元的单层神经网络，其中输出单元z1的计算公式如下图。
 
-![](http://img.blog.csdn.net/20160114193621726 "神经网络")
+![](/assets/dlnet2.png)
 
 ```
                                          图2 单层神经网络\(Z1\)
@@ -27,7 +27,7 @@
 
 我们已知一个神经元的输出可以向多个神经元传递，因此z2的计算公式如下图。
 
-![](http://img.blog.csdn.net/20160114193659368 "神经网络")
+![](/assets/dlnet3.png)
 
 ```
                                          图3 单层神经网络\(Z2\)
@@ -37,7 +37,7 @@
 
 整个网络的输出如下图。
 
-![](http://img.blog.csdn.net/20160114193852865 "神经网络")
+![](/assets/dlnet4.png)
 
 ```
                                       图4 单层神经网络\(Z1和Z2\)
@@ -49,7 +49,7 @@
 
 例如，w1,2代表后一层的第1个神经元与前一层的第2个神经元的连接的权值（这种标记方式参照了Andrew Ng的课件）。根据以上方法标记，我们有了下图。
 
-![](http://img.blog.csdn.net/20160114193834036 "神经网络")
+![](/assets/dlnet5.png)
 
 ```
                                       图5 单层神经网络\(扩展\)
@@ -75,7 +75,7 @@ g\(W \* a\) = z;
 
 下图显示了在二维平面中划出决策分界的效果，也就是感知器的分类效果。
 
-![](http://img.blog.csdn.net/20160114193946318 "神经网络")
+![](/assets/dlnet6.png)
 
 ```
                                 图6 单层神经网络（决策分界）
@@ -91,15 +91,15 @@ g\(W \* a\) = z;
 
 例如ax\(y\)代表第y层的第x个节点。z1，z2变成了a1\(2\)，a2\(2\)。下图给出了a1\(2\)，a2\(2\)的计算公式。
 
-![](http://img.blog.csdn.net/20160114194120339 "神经网络")
+![](/assets/dlnet22.png)
 
 ```
                                 图7 两层神经网络（中间层计算）
 ```
 
 计算最终输出z的方式是利用了中间层的a1\(2\)，a2\(2\)和第二个权值矩阵计算得到的，如下图。
 
-![](http://img.blog.csdn.net/20160114194215782 "神经网络")
+![](/assets/dlnet23.png)
 
 ```
                              图8 两层神经网络（输出层计算）
@@ -109,7 +109,7 @@ g\(W \* a\) = z;
 
 我们使用向量和矩阵来表示层次中的变量。a\(1\)，a\(2\)，z是网络中传输的向量数据。W\(1\)和W\(2\)是网络的矩阵参数。如下图。
 
-![](http://img.blog.csdn.net/20160114194251724 "神经网络")
+![](/assets/dlnet24.png)
 
 ```
                                    图9 两层神经网络（向量形式）