2013-05-18 9 views
0

Я строю нервную сеть с прямой передачей, и я пытаюсь решить, как реализовать предвзятость. Я не уверен в двух вещах:Привязка нейронной сети

1) Есть ли недостаток в реализации смещения в качестве признака узла в отличие от фиктивного ввода + веса?

2) Если я реализую его как фиктивный вход, будет ли он вводиться только на первом уровне (от ввода до скрытого слоя), или мне нужен фиктивный ввод в каждом слое?

Спасибо!

P.S. В настоящее время я использую 2d массивы для представления весов между слоями. Любые идеи для других структур реализации? Это не мой главный вопрос, просто ищет пищу для размышлений.

+0

Уклонение требуется, по крайней мере, на выходном уровне, потому что на самом деле происходит классификация и регрессия. Все остальные слои предназначены только для создания хороших функций. – alfa

+0

Положите его повсюду. Если у вас есть X = 0 и hidden_layer = 0, вы получите ошибку 0, и весы всегда будут равны 0 для этого нейрона до конца. – Makaroniiii

ответ

1
  1. Реализация не имеет значения, если поведение является правильным.

  2. Да, это необходимо в каждом слое.

  3. 2-й массив - это путь.

Я хотел бы предложить включить смещение в качестве еще одного нейрона с постоянным входом 1. Это позволит сделать его проще реализовать - не нужна специальная переменная для нее или что-нибудь подобное.

Смежные вопросы