如何解释R中的神经网络图

Question

朋友们,我正试图在R中学习神经网络.任何人都可以帮我解释R中的神经网络图吗？朋友,我得到了这张图

朋友们请帮助我解释这个图表,任何帮助将不胜感激

Answer 1

该图表示着名的Iris数据集中的神经网络.该数据集包含三种类型的虹膜植物的四种属性.这些属性的名称显示在您显示的图片的左侧.

数据从左向右流动.属性(工厂属性)呈现给输入层(左起第一列节点).这些值中的每一个都乘以呈现给下一层中的节点的适当权重 - 隐藏层(节点的中间列).隐藏层还会获得一个偏置值输入(标记为1顶行左侧的节点).神经元需要偏差才能表示任何分离超平面,而不仅是跨越原点的超平面.例如,在简化的2D情况下并忽略激活函数,没有偏差的神经网络节点可以表示形式的任何行:

y = a*x

x输入值在哪里,a是权重.有偏见,它可以代表所有可能的线:

y = a*x + b*1

1对应于图中的1节点,并且b是其权重(也在图中可见).

对输出层(图中节点的最后一列)重复完全相同的场景.

右侧的标签表示类别标签,对应于分类植物的名称.这种结构代表了Winner-take-all(WTA)范例.也就是说,最终决定取决于哪个输出神经元具有最高值.例如,如果顶部输出神经元具有输出值0.8,则中间的一个0.76和底部给出,0.3则判定呈现的属性表示"Iris setosa"类.