신경망 그래프를 해석하는 방법

Question

친구, R에서 신경망을 배우려고했습니다 누구든지 R에서 신경망 그래프를 해석하도록 도와 줄 수 있습니까? 친구는 내가

친구가 나에게 어떤 도움이 높은이 그림은 유명한 Iris dataset의 맥락에서 신경망을 나타냅니다

Answer 1

을 이해할 수있을 것이다이 그래프 를 해석하는 데 도움을 주시기 바랍니다이 그래프를 얻었다. 이 데이터 세트는 iris plant의 세 가지 유형의 네 가지 등록 정보를 포함합니다. 이러한 속성의 이름은 사용자가 제시 한 그림의 왼쪽에 표시됩니다.

데이터가 왼쪽에서 오른쪽으로 흐릅니다. 속성 (플랜트의 속성)은 입력 레이어에 표시됩니다 (왼쪽부터 노드의 첫 번째 열). 이 값들 각각은 다음 계층의 노드, 즉 숨겨진 계층 (노드의 가운데 열)에 제공되는 적절한 가중치 a로 곱해집니다. 숨겨진 레이어는 또한 바이어스 값 입력을 가져옵니다 (왼쪽 상단의 1 레이블이 붙은 노드). 바이어스는 뉴런이 원점을 횡단하는 초평면뿐만 아니라 분리 초평면을 나타낼 수 있도록 필요합니다. 예를 들면, 단순 2 차원의 경우와 활성화 기능을 무시에서 바이어스없이 뉴럴 네트워크 노드 형태 중 어느 라인 나타낼 수

Y = A가 * X

x가있다 입력 값이며, a은 가중치입니다. 바이어스, 모든 가능한 라인을 나타낼 수

Y = A * X + B * 1

1 다이어그램에서 1 노드에 대응하고, b는에서 (또한 볼의 무게 다이어그램).

출력 레이어 (그림에서 노드의 마지막 열)에 대해 정확히 동일한 시나리오가 반복됩니다.

오른쪽의 레이블은 분류 된 식물의 이름에 해당하는 클래스 레이블을 나타냅니다. 이 구조는 Winner-take-all (WTA) 패러다임을 나타냅니다. 즉, 최종 결정은 출력 뉴런 중 가장 높은 값을 갖는 뉴런에 의존합니다. 예를 들어, 최상위 출력 뉴런의 출력 값이 0.8이고 중간 값이 0.76이고 밑이 0.3이면 제시된 특성이 "아이리스 세트osa"클래스를 나타냅니다.