神经网络中的额外权值(R包的nnet)
神经网络中的额外权值(R包的nnet)
提问于 2012-07-21 20:30:37
我试图在Excel中使用一些简单的输入数据来反向工程nnet包的工作方式。以下是我所采取的步骤
- 导入虚拟数据：
test <- read.csv('dataScaled.csv',header=TRUE,sep = ",") - 网络培训：
anntrain <- nnet(Price ~ Sqft + Bedrooms + Bathrooms,test[1:650,],size=2, maxit=5000,linout=TRUE) - 获取ANN：
anntrain$wts输出的权重： 1 -2.12443010 6.68900321 0.85338018 -0.73329823 -3.95336239 7.91917321 7 -5.38893137 4.05941771 -0.02062346 0.26584364 0.32881035 - 获取经过训练的网络的拟合值：
anntrain$fitted.values，这输出了我认为是经过训练的网络的比例价格预测，在我上面训练的650个交易中的每一个。 - 用上面的权值用sigmoid函数重新计算得到拟合的值。
我的困惑是，它输出了11个权重值。如果我只有3个输入，2个隐藏节点和1个输出，难道这不等于8个权重吗？这三个额外的重量是做什么用的？
回答 1
Stack Overflow用户
回答已采纳
发布于 2012-07-21 21:49:05
每个层(为什么要使用偏见/阈值？)都有一个偏差。偏差就像一个总是给你输入1的节点，因此你有(3+1)*2+(2+1)*1 = 11权值。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/11595621
复制相关文章
相似问题
腾讯云开发者
