-3
A
回答
5
这幅画代表了著名Iris dataset上下文中的神经网络。该数据集包含iris plant三种类型的四个属性。这些属性的名称显示在您展示的图片的左侧。
数据从左侧流向右侧。将属性(工厂的属性)呈现给输入层(左起第一列节点)。这些值中的每一个都乘以一个适当的权重,呈现给下一层中的节点 - 隐藏层(节点的中间列)。隐藏层也会得到一个输入给它的偏移值(顶部行,左侧标记为1
的节点)。神经元能够代表任何分离的超平面,而不仅仅是跨越原点的超平面,这是偏差所必需的。例如,在一个简化的2D的情况下,不顾激活功能,无需偏置一个神经网络节点可以表示形式的任何行:
Y = A * X
凡x
是输入值,而a
是重量。与偏压,它可以表示所有可能的线:
Y = A * X + B * 1
1
对应于图中的1
节点,b
是它的重量(也可见在图)。
对输出层(图片中节点的最后一列)重复完全相同的场景。
右侧的标签表示类别标签,它们与分类植物的名称相对应。这种结构代表赢家通吃(WTA)范式。也就是说,最终决定取决于哪个输出神经元具有最高值。例如,如果最高输出神经元的输出值为0.8
,则中间的输出神经元为0.76
,底部为0.3
,则决定是所呈现的属性表示“Iris setosa”类。
相关问题
- 1. 神经网络代码解释
- 2. 解释神经网络输出
- 3. 神经网络在R
- 4. R神经网络问题
- 5. R中的神经网络包
- 6. R中的神经网络预测
- 7. 神经网络:求解XOR
- 8. 神经网络
- 9. 神经网络
- 10. 解释matlab中神经网络的输出
- 11. [R编程的神经网络预测
- 12. 图论和神经网络
- 13. 的神经网络
- 14. 如何在神经网络中找到神经元的值
- 15. VB中的神经网络
- 16. Eclipse中的神经网络
- 17. 如何应对NA神经网络预测结果中的R
- 18. [R神经网络激活功能
- 19. 解释神经网络的输出用于和弦识别
- 20. 神经网络(CNN)的解释结果/准确性
- 21. JavaNNS - 解析创建的神经网络
- 22. 神经网络[ocr]
- 23. 神经网络,python
- 24. MATLAB神经网络
- 25. 神经网络backpropogation
- 26. 神经网络:“InverseLayer”
- 27. SOM - 神经网络
- 28. sigmoid神经网络
- 29. Spiking神经网络
- 30. H2O.deeplearning神经网络
朋友,你到底有什么问题? – BartoszKP
@ BartoszKP-朋友,我正在阅读R中的神经网络教程。因此运行一个示例代码并得到了这个输出,你能帮我解释这个输出吗? – Ravee
这是这里的主题。请在这个测试版网站上投票提出问题:http://area51.stackexchange.com/proposals/57719/artificial-intelligence-这些问题应该属于那里。 – BartoszKP