java - 神经网络 - 更新网络

Question

我正在用 Java 构建我的第一个神经网络，并且我正在在线关注这个 C++ 示例

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;

}

我对这段代码有两个问题。首先，看似......奇怪的输入到输出的分配

//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。他刚刚创建了输出...为什么他要将输出分配给输入？另外，为什么要++i？据我所知，在他之前的代码中，他仍然使用索引 [0]，这就是我正在做的事情。为何突然发生转变？有理由离开这最后一个吗？我知道如果没有其余的代码示例，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 不会出现在此之前的任何位置。我现在为此创建了两个静态最终全局变量。我走在正确的道路上吗？

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主题以来，我一直无法停止思考它。

Answer 1

我同意@kohakukun，我想在他的答案中添加我的答案，正如我所见，输出被分配给输入以计算神经网络下一层的输出。 有时，就像在我正在处理的网络中一样，我们可以有多个层，在我的项目中，我有多个隐藏层，并且查看您的代码，这里可能有类似的安排。所以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。