【问题标题】:Neural Network bias神经网络偏差
【发布时间】:2013-05-18 02:19:42
【问题描述】:

我正在构建一个前馈神经网络,并试图决定如何实现偏差。我不确定两件事:

1) 将偏差作为节点的特征而不是虚拟输入+权重实现有什么缺点吗?

2) 如果我将其实现为虚拟输入,是仅在第一层输入(从输入到隐藏层),还是在每一层都需要一个虚拟输入?

谢谢!

附:我目前正在使用二维数组来表示层之间的权重。对其他实现结构有什么想法吗?这不是我的主要问题,只是寻找思考的食物。

【问题讨论】:

  • 至少在输出层需要偏差,因为这是分类和回归实际发生的地方。所有其他层仅用于生成良好的特征。
  • 把它放在任何地方。如果您有 X=0,并且 hidden_​​layer = 0,您将收到错误 0,并且此神经元的权重始终为 0,直到结束。

标签: neural-network implementation bias-neuron


【解决方案1】:
  1. 只要行为正确,实施并不重要。

  2. 是的,每一层都需要它。

  3. 二维数组是一种方法。

我建议将偏差作为另一个具有恒定输入 1 的神经元。这将使其更容易实现 - 您不需要特殊的变量或类似的东西。

【讨论】:

  • 真的只是数组中多了一个1吗? x = np.array([[0,1,2,3,4,5]])x_with_bias = np.array([[0,1,2,3,4,5,1]])?
猜你喜欢
  • 2016-09-08
  • 1970-01-01
  • 2017-12-06
  • 1970-01-01
  • 2018-03-14
  • 2015-10-24
  • 2010-12-02
  • 2018-03-01
  • 1970-01-01
相关资源
最近更新 更多