神经网络-更新网络

Neural Networks- Updating the Network

本文关键字：网络 更新 神经网络      更新时间：2023-10-16

我正在用Java构建我的第一个神经网络，并遵循这个C++示例在线

vector<double> CNeuralNet::Update(vector<double> &inputs)
{
//stores the resultant outputs from each layer
vector<double> outputs;
int cWeight = 0;
//first check that we have the correct amount of inputs
if (inputs.size() != m_NumInputs)
{
    //just return an empty vector if incorrect.
    return outputs;
}
//For each layer....
for (int i=0; i<m_NumHiddenLayers + 1; ++i)
{
    if ( i > 0 )
    {
        inputs = outputs;
    }
outputs.clear();
cWeight = 0;
//for each neuron sum the (inputs * corresponding weights).Throw
//the total at our sigmoid function to get the output.
for (int j=0; j<m_vecLayers[i].m_NumNeurons; ++j)
{
  double netinput = 0;

  int NumInputs = m_vecLayers[i].m_vecNeurons[j].m_NumInputs;

  //for each weight
  for (int k=0; k<NumInputs - 1; ++k)
  {
    //sum the weights x inputs
    netinput += m_vecLayers[i].m_vecNeurons[j].m_vecWeight[k] *
                inputs[cWeight++];
  }

  //add in the bias
  netinput += m_vecLayers[i].m_vecNeurons[j].m_vecWeight[NumInputs-1] *
              CParams::dBias;

  //we can store the outputs from each layer as we generate them.
  //The combined activation is first filtered through the sigmoid
  //function
  outputs.push_back(Sigmoid(netinput, CParams::dActivationResponse));

  cWeight = 0;
}
}
return outputs;
}

关于这个代码，我有两个问题。首先，看似。。。输入到输出的奇怪分配

//For each layer....
for (int i=0; i<m_NumHiddenLayers + 1; ++i)
{
if ( i > 0 )
{ 
    inputs = outputs;
}
outputs.clear();

这部分真的让我很困惑。他只是创建了输出。。。他为什么要把输出分配给输入？还有，为什么是++i？据我所知，在此之前的代码中，他仍然使用index[0]，这就是我正在做的。为什么会突然改变？有理由离开最后一个吗？我知道，如果没有其他代码示例，这可能是一个很难理解的问题。。。

我的第二个问题是

//add in the bias
netinput += m_vecLayers[i].m_vecNeurons[j].m_vecWeight[NumInputs-1] *
          CParams::dBias;

//we can store the outputs from each layer as we generate them.
//The combined activation is first filtered through the sigmoid
//function
outputs.push_back(Sigmoid(netinput, CParams::dActivationResponse));

CParams:dBias和CParams:dActivationResponse在此之前不会出现。我现在创建了两个静态的最终全局变量。我走对了吗？

如有任何帮助，我们将不胜感激。这是一个个人项目，自从两周前我第一次了解这个话题以来，我一直在思考这个话题。

我同意@kohakun的观点，我想把我的答案和他的答案相加。在我看来，输出被分配给输入，以计算下一层神经网络的输出。有时，在我工作的网络中，我们可以有多个层，在我的项目中，我有多个隐藏层，看看你的代码，这里可能有类似的安排。因此，我认为您可以将我们的答案与您的代码联系起来，这可能会在一定程度上解决您的疑问。

在for语句中，在循环再次开始之前，第三部分将不会执行，这意味着for（int i=0；i<10；++i）将与for（int i=0；i&llt；10；i++）完全相同。仅当i>0'输入=输出时；'，这不是正确的行为吗？CParams应该是一个类或命名空间名称，它必须存在于整个项目中的某个位置。如果它是一个类名，我认为使用全局静态是可以的。

对于您的第一个问题：您将刚刚生成的输出分配给输入，以通过反向归纳来完善您的神经网络，这样它就可以学习了。

对于第二个问题：我认为你走在了正确的轨道上，因为偏差不会随着每次迭代而改变

相关文章：