0
Q
級聯前向神經網絡
A
回答
3
如果我理解正確的話,你想你的輸入層連接到兩個隱層和直接輸出層。
如果您只是從輸入圖層到輸出圖層創建一個額外的FullConnection,該怎麼辦?
from pybrain.structure import FeedForwardNetwork
n = FeedForwardNetwork()
from pybrain.structure import LinearLayer, SigmoidLayer
inLayer = LinearLayer(2)
hiddenLayer = SigmoidLayer(3)
outLayer = SigmoidLayer(1)
n.addInputModule(inLayer)
n.addModule(hiddenLayer)
n.addOutputModule(outLayer)
from pybrain.structure import FullConnection
in_to_hidden = FullConnection(inLayer, hiddenLayer)
hidden_to_out = FullConnection(hiddenLayer, outLayer)
in_to_out = FullConnection(inLayer, outLayer)
n.addConnection(in_to_hidden)
n.addConnection(hidden_to_out)
n.addConnection(in_to_out)
n.sortModules()
print n
這似乎是工作。
相關問題
- 1. 多級神經網絡
- 2. 前饋神經網絡
- 3. 前饋 - 神經網絡Keras
- 4. 神經網絡
- 5. 神經網絡
- 6. Haar級聯方法vs卷積神經網絡?
- 7. 神經網絡[ocr]
- 8. 神經網絡,python
- 9. MATLAB神經網絡
- 10. 神經網絡backpropogation
- 11. 神經網絡:「InverseLayer」
- 12. 的神經網絡
- 13. SOM - 神經網絡
- 14. sigmoid神經網絡
- 15. Spiking神經網絡
- 16. H2O.deeplearning神經網絡
- 17. 神經網絡MNIST
- 18. Hopfield神經網絡
- 19. RBF神經網絡
- 20. 前饋神經網絡Matlab的OCR
- 21. TensorFlow中的前訓練神經網絡
- 22. 蟒蛇neurolab前饋神經網絡
- 23. OCR的訓練前饋神經網絡
- 24. TensorFlow:2層前饋神經網絡
- 25. 神經網絡(反向傳播)
- 26. 神經網絡的反向傳播 - Python
- 27. 反向傳播訓練神經網絡
- 28. 支持向量機和神經網絡
- 29. 神經網絡反向傳播
- 30. 神經網絡和反向傳播