如何显示神经网络中的权重或偏差?

339次观看(过去30天)

显示旧注释

凯昊Then 2011年3月2日

1
链接

直接链接到这个问题

//www.tatmou.com/matlabcentral/answers/2356-how-to-show-the-weight-or-bias-in-a-neural-network

评论道: Sai Kumar Dwivedi2015年3月18日

答:接受格雷格·希斯

如何从我的神经网络的每一层显示权重/偏差?我在做一个有两个隐藏层的前馈神经网络。此外，如何确定在神经网络中应该使用多少隐藏层?目前我有3个输入和1个输出。当我想增加隐藏层到3时，一个错误发生了，说我没有足够的输入3隐藏层。

1评论
显示隐藏 None

沙尼 2013年11月19日

我正在尝试创建一个神经网络，你有什么笔记可以帮助我吗?请

登录发表评论。

登录来回答这个问题。

接受的答案

格雷格·希斯 2013年4月19日

9
链接

直接链接到这个答案

//www.tatmou.com/matlabcentral/answers/2356-how-to-show-the-weight-or-bias-in-a-neural-network#answer_82769

编辑:格雷格·希斯 2013年4月19日

1.如果输入/输出转换函数表现得相当好，1个隐层就足够了。得到的网是一个通用逼近器。

2.然而，如果您需要大量的隐藏节点H，(特别是当未知权值Nw = (I+1)*H+(H+1)*O接近或超过训练方程Ntrneq = Ntrn*O的数量时)，您可以通过引入第二层隐藏层来减少节点总数。

                             [I Ntrn] = size(trninput)
                            
                             [O Ntrn] = size(trntarget)

3.尽管如此，通常最好坚持使用一个隐藏层，并使用验证停止子集(默认值)和/或正则化目标函数(mse的一个选项:help mse)或正则化训练函数(help trainbr)。

4.有时候，大量的权重是使用大量输入的结果。因此，在使用第二层隐藏层之前考虑输入子集选择可能是值得的。

对于单个隐藏层

                             权重= getwb(净)
                            
                             = [Iw(:);b1 (:);Lw (:);b2 ()):

在哪里

                             (net.IW)
                            
                             B1 = cell2mat(net.b(1))
                            
                             Lw = cell2mat(net.Lw)
                            
                             B2 = cell2mat(net.b(2))

如果您想了解getwb如何用两个隐藏层排序权重，可以尝试一个示例。

希望这能有所帮助。

感谢您正式接受我的回答

格雷格

1评论
显示隐藏 None

Sai Kumar Dwivedi 2015年3月18日

你对第二点的解释

(I+1)*H+(H+1)*O < Ntrn*O

这是某种启发式还是有数学背景?

登录发表评论。

更多答案(2)

马努R 2011年3月6日

6
链接

直接链接到这个答案

//www.tatmou.com/matlabcentral/answers/2356-how-to-show-the-weight-or-bias-in-a-neural-network#answer_4069

编辑:约翰·凯利 2013年11月19日

MATLAB中的神经网络对象具有可以访问的字段，以确定层权重和偏差。

假设:

                             前馈网络只是一个玩具例子，没有任何训练
                            
                             重量= mynet。LW
                            
                             偏见= mynet.b
                            
                             %权重和偏差值:
                            
                             ％
                            
                             % IW: {2x1单元}包含1个输入权重矩阵
                            
                             % LW: {2x2 cell}包含1层权重矩阵
                            
                             % b: {2x1单元}包含两个偏置向量