人工神经网络绕过隐层输入
人工神经网络绕过隐层输入
提问于 2013-10-30 22:32:17
我刚刚被安排了一项任务来计算一些人工神经网络的输出，并编写一个人工神经网络。简单的事情，以前做过，所以我不需要任何帮助的一般安的东西。然而，有件事让我很困惑。在分配中，拓扑如下(不上传图表，因为这是他的知识产权)：-
- 2层，3个隐层，1个输出。
- 输入x1转到两个隐藏节点和输出节点。
- 输入x2转到两个隐藏节点。
问题是永远如此常见的异或。他以前没有提到过这种拓扑结构，我肯定每次演讲都听得很认真。我是个很好的学生。)
我不认为这算家庭作业，因为我不需要帮助手头的实际任务。
任何关于为什么会使用这样一个拓扑的网络的洞察力都是很棒的。
问候
回答 1
Stack Overflow用户
回答已采纳
发布于 2013-11-01 18:09:17
神经网络看起来像上面的图片吗？它看起来像一个普通的XOR拓扑，有一个隐藏层和一个偏置神经元。偏置神经元基本上可以帮助你将激活函数的值向左或右移动。
有关偏见神经元的作用的更多信息，请查看以下答案：
更新
我找到了一些关于这方面的文献。显然，输入可以跳过隐藏层并转到输出层。这被称为跳过层，用于在神经网络中建模传统的线性回归。此页从书中的神经网络建模使用Sas 描述了这个概念。同一本书中的此页也会更详细地介绍这个概念。
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/19695077
复制相关文章
相似问题
腾讯云开发者
