神經網絡設置

-1

我想在Python中爲MNIST數字識別實現一個隱藏層神經網絡。神經網絡設置

類似如下：

   h1    
x1       z1 
       h2 
x2       z2 
1    h3 

       1

我使用大小的隱藏層200

的功能，爲的位數是784

類的數量爲10

每個標籤都被轉換成一個長度爲10的矢量，該矢量在真實類的位置有一個1，在其他位置有0。

輸入和隱含層之間，我將使用200 785矩陣V.

矩陣V：在I，J - 條目表示在輸入層連接的第j個單元的重量隱藏層中的第i個單元。 V的第i行表示輸入第i個隱藏單元的權重集合。

所述隱藏輸出層之間，我打算應用矩陣W，其是由10 201

矩陣W：在I，J - 條目代表連接的第j個單元中的權重隱藏層到輸出層中的第i個單元。 W的第i行是輸入第i個輸出單元的權重集合。

所以我從輸入矩陣開始，這是n 784.有人可以解釋做什麼？我需要把它乘以什麼，然後把結果乘以什麼/怎麼樣？我不確定如何將這些矩陣相乘。

（我們只是調用激活函數f（）。）

我有點通過矩陣的尺寸和不知道迷惑何時/何/究竟如何使用V和W

def simulate(inputs): 
    currentActivatedValues = inputs 
    for i in range(len(self.weights)): 
     summedValues = _weights[i] * currentActivatedValues + _biases[i] 
     # Perform activation function with the summed values 
     for k in range(len(summedValues)): 
      summedValues[k] = tanh(summedValues[k]); 
     currentActivatedValues = summedValues 
    return currentActivatedValues;

問題基本上是你，包括你的初始矩陣偏置：

來源

2016-04-24 Jobs

[This]（http://neuralnetworksanddeeplearning.com/）是一個不錯的和全面的介紹神經網絡，並在他們的方式實現神經網絡分類MNIST數據集在Python中。 – sietschie

我會爲你解決這個問題，但是你需要閱讀更多關於神經網絡的知識來了解它是如何工作的（不要忘記，編程是90％的學習/計劃和10％的編碼）。因此，輸入維度是n x 785，隱藏的昏暗是n x 200.權重（w）定義爲：w = transpose（input_dims）* hidden_dims。您應該使用轉置來使您的數據適合矩陣乘法：w = 785 x n * n x 200.這會給您一個尺寸爲785x200的w，這是所需的輸出。（*表示矩陣乘法）。 – TasosGlrs

這裏是前饋神經網絡的基本仿真步驟（從我的CPP神經網絡here移植）。你應該做的是之後處理它們。

看看這個paper關於前饋神經元網絡。它包括您需要設置基本配方的所有配方。

來源

2016-04-24 08:42:23 tobspr

神經網絡設置

回答

相關問題