/ / Inputs for a Perceptron - input, conv-neural-network, perceptron

Wejścia dla Perceptron - wejście, sieć konwergentna, perceptron

Okej ludzie. Zrób ze mną proszę. Podczas wprowadzania danych wejściowych do perceptronu w celu klasyfikacji, [X_0, X_1] reprezentuje punkt danych (x, y) z przestrzeni dwuwymiarowej. Poprawny?

Zatem jeśli wprowadzimy [X_0, X_1, X2], możemy powiedziećto reprezentuje (x, y, z) punkt danych z przestrzeni trójwymiarowej? Czy możemy nawet powiedzieć, że te dane wejściowe reprezentują dane wejściowe reprezentujące trzy różne punkty danych z przestrzeni 1-wymiarowej?

Ponadto, jeśli wprowadzimy cztery wektory, takie jak[X_0, X_1, X_2], [X_3, X_4, X_5], [X_6, X_7, X_8] i [X_9, X_10, X_11]. Jedną z interpretacji użycia jest stwierdzenie, że staramy się klasyfikować cztery punkty danych w przestrzeni trójwymiarowej jednocześnie za pośrednictwem naszego perceptronu?

Odpowiedzi:

0 dla odpowiedzi № 1

Dopóki funkcje X_0, X_1 i X_2 nie są takie same, definiują różne wymiary, ponieważ mają różne znaczenia i prawdopodobnie nawet te same jednostki.

Możesz przekazać tyle punktów danych, ile chceszperceptron, ale liczba funkcji (liczba wpisów w każdej tablicy) musi być zawsze taka sama. W twoim przykładzie X_0, X_3, X_6 i X_9 muszą być tą samą cechą różnych obiektów, ponieważ są one obsługiwane z preceptronu w ten sam sposób.