问如何将这些特征映射到32个输入神经元

EN

根据“神经符号认知推理”一书第10.6节，我得到了一份作业。基本上，我必须复制一个二元分类实验。为了解释我的问题，首先需要解释问题的背景。

问题的背景

目标是对东行和西行列车进行分类，如图10.2所示，每列火车都有一组车厢。为了对列车进行分类，必须考虑列车的某些特征以及车厢的特点。

数据集包含以下属性

每列火车，

• (a)汽车数目(3至5辆)，
• (b)不同负荷的数目(1至4)；

每辆车，

• (c)车轮数目(2或3)，
• (d)长度(短或长)，
• (e)形状(封顶矩形、开口矩形、双开口矩形、椭圆、发动机、六边形、锯齿形顶部、开口陷阱、倾斜顶部或U形)，
• (f)负荷的数目(0至3)，
• 以及(g)负载的形状(圆形、六边形、矩形或三角形)。

然后，十个布尔变量描述列车相邻车厢上是否存在任何特定类型的负载(每节车厢都承载一种类型的负载)：

• (h)在矩形旁边有一个矩形，
• (i)三角形旁边的矩形，
• (j)六角形旁边的长方形，
• (k)圆形旁边的矩形，
• (l)三角形旁边的三角形，
• (m)六边形旁边的三角形，
• (n)圆旁的三角形，
• (o)六边形旁边的六角形，
• (p)紧挨着圆的六边形，
• (q)紧挨着一个圆的圆圈。

最后，类属性可以是东的，也可以是西的。

问题

书上说它是用过的

由32个输入神经元和一个输出神经元组成的网络(表示东).32输入编码:列车车厢数；列车不同负荷数；车轮数、长度和每节车厢的形状；每节车厢的负荷数；每节车厢的负载形状；以及上述十个布尔变量。

，所以，我不能理解的是，如何将这些特征映射到32个输入神经元，，我正在计算这些神经元的方式如下。

我如何将这些特征映射到输入神经元

• 代表上述属性(a)和(b)的2个神经元，
• 10个神经元代表10个布尔变量(属性(h)到(q))， 每辆车：
• 代表属性(c)、(d)、(e)、(f)和(g)的5个神经元

因为每列火车最多有5节车厢，所以总共应该有25个神经元来代表每辆车的属性(c)到(g)。这样，网络就会有2+ 10 + 25 =37个输入神经元，而不是像书所说的32个。那么，我在这里出什么错了？提前谢谢。

编辑#1：

根据这本书，赋予这些属性的值如下：

引用不存在的汽车属性的属性被赋值为false。与往常一样，在布尔变量的情况下，−1用于表示false，1用于表示true。此外，我们给值1，2，3，对于具有多个值的任何属性，按上述顺序排列。例如，在荷载形状的情况下，1表示圆，2表示六边形，3表示矩形，等等。当然，对于相应的神经元，而不是双极函数，我们使用线性激活函数h( x ) =x。