Ich studiere derzeit die Theorie der Neuronalen Netze und sehe, dass überall geschrieben wird, dass sie aus den folgenden Schichten besteht:
- Eingabeebene
- Versteckte Ebene (n)
- Ausgabeschicht
Ich sehe einige grafische Beschreibungen, die die Eingabeebene als reale Knoten im Netz darstellen, während andere diese Ebene nur als einen Vektor von Werten darstellen [x1, x2, ... xn]
Was ist die richtige Struktur?
Ist die "Eingabeschicht" eine echte Schicht von Neuronen? Oder wird dies nur abstrakt als Layer bezeichnet, während es wirklich nur der Eingabevektor ist?
Hinzufügen widersprüchlicher und verwirrender Fotos, die ich im Internet gefunden habe:
Hier sieht es so aus, als ob die Eingabeschicht aus Neuronen besteht:
Hier sieht es so aus, als sei die Eingabeebene nur ein Eingabevektor:
Antworten:
2 für die Antwort № 1Lassen Sie mich Ihre Frage mit einigen mathematischen Notizen beantworten, die das Verstehen leichter machen als nur Zufallsbilder. Erinnern Sie sich zuerst an das Perceptron.
Die Aufgabe des Perceptron ist es, eine Entscheidungsfunktion zu finden, die einige Punkte in einer gegebenen Menge in n Klassen klassifiziert. Also für eine Funktion
f : R^n -> R , f(X) = <W, X> + b
W ist ein Vektor von Gewichtungen und X ist der Vektor von Punkten. Als Beispiel, wenn Sie eine durch die Gleichung definierte Linie haben 3x + y = 0 dann ist W (3,1) und X ist (x,y).
Ein neuronales Netzwerk kann als eine Grafik betrachtet werdenwobei jeder Scheitelpunkt des Diagramms ein einfaches Perzeptron ist - das heißt, jeder Knoten im Netzwerk ist nichts anderes als eine Funktion, die einen Wert annimmt und einen neuen ausgibt, der dann für den nächsten Knoten verwendet werden könnte. In Ihrem zweiten Bild wären dies die beiden verborgenen Ebenen.
Was brauchen diese Knoten dann als Eingabe? Ein Satz von W und Xs - Gewichtungs- und Punktvektoren. Was in Ihrem Bild ausgedrückt wird durch x0, x1, .. xn und w0, w1, .. wn.
Letztendlich können wir daraus schließen, dass ein neuronales Netzwerk aus Eingangsvektoren von Gewichtungen und Punkten besteht.
Mein allgemeiner Rat an Sie wäre, eine Quelle für Ihr Lernen auszuwählen und dabei zu bleiben, anstatt mit widersprüchlichen Bildern über das Internet zu gehen.
2 für die Antwort № 2
Ist die "Eingabeschicht" eine echte Schicht von Neuronen? Oder wird dies nur abstrakt als Layer bezeichnet, während es wirklich nur der Eingabevektor ist?
Ja, es ist beides - abhängig von der Abstraktion. Auf dem Papier hat das Netzwerk Eingangsneuronen. Auf Implementierungsebene müssen Sie diese Daten organisieren (normalerweise unter Verwendung von Arrays / Vektoren), weshalb Sie von einem Eingabevektor sprechen:
Ein Eingabevektor hält die eingegebenen Neuronenwerte (die die Eingabeschicht darstellen).
Wenn Sie mit den Grundlagen der Graphentheorie oder der Bildverarbeitung vertraut sind, gilt dasselbe Prinzip. Sie können ein Bild beispielsweise als Matrix (technische Ansicht) oder als Pixelfeld (abstraktere Ansicht) bezeichnen.