/ / Eingänge für ein Perceptron - Eingang, Conv-Neural-Netzwerk, Perceptron

Eingänge für ein Perzeptron - Eingang, conv-neuronales Netzwerk, Perzeptron

Okay Leute. Bitte mit mir Bei der Eingabe von Eingaben in ein Perzeptron zur Klassifizierung repräsentiert [X_0, X_1] einen Datenpunkt (x, y) aus einem zweidimensionalen Raum. Richtig?

Wenn wir also [X_0, X_1, X2] eingeben, können wir sagendies repräsentiert (x, y, z) einen Datenpunkt aus dem dreidimensionalen Raum? Können wir sogar sagen, dass diese Eingaben drei verschiedene Datenpunkte aus einem eindimensionalen Raum darstellen?

Wenn wir zusätzlich vier Vektoren eingeben, z[X_0, X_1, X_2], [X_3, X_4, X_5], [X_6, X_7, X_8] und [X_9, X_10, X_11]. Eine Verwendungsinterpretation ist zu sagen, dass wir versuchen, vier Datenpunkte gleichzeitig im dreidimensionalen Raum durch unser Perzeptron zu klassifizieren.

Antworten:

0 für die Antwort № 1

Solange die Merkmale X_0, X_1 und X_2 nicht gleich sind, definieren sie unterschiedliche Dimensionen, da sie unterschiedliche Bedeutungen haben und möglicherweise nicht einmal die gleichen Einheiten.

Sie können so viele Datenpunkte übergeben, wie Sie möchtendas Perzeptron, aber die Anzahl der Features (Anzahl der Einträge jedes Arrays) muss immer gleich sein. In Ihrem Beispiel müssen X_0, X_3, X_6 und X_9 dasselbe Merkmal von verschiedenen Objekten sein, da sie vom Präzeptron auf dieselbe Weise behandelt werden.