トレーニングごとに重みが異なるパーセプトロンの例

Question

ニューラルネットワークを初めて使用しています。 私は1Kの例のトレーニングデータセットを持っています。各例には5つの機能が含まれています。

当初、私はいくつかの機能を重み付けに提供しました。

したがって、各例に関連付けられた重みに1Kの値が格納されているか、すべての1Kの例で重みの値が同じになっていますか？

i.e. example1 => [f1,f2,f3,f4,f5] -> [w1e1,w2e1,w3e1,w4e1,w5e1] 
example2 => [f1,f2,f3,f4,f5] -> [w1e2,w2e2,w3e2,w4e2,w5e2] 
here w1 means first weight and e1, e2 means diffrent examples 

or example1,example2,... -> [gw1,gw2,gw3,gw4,gw5] 
here g means global and w1 means weight for feature one as so on. 

おかげニューラルネットワーク内の1つのノードを持つ

Answer 1

スタート。出力は以下のように入力の線形結合に適用されるシグモイド関数です。 5つの機能のためにそう

あなたは、ニューラルネットワークの各ノードのための5の重み+ 1のバイアスを持っています。訓練中、入力のバッチが供給され、ニューラルネットワークの終わりの出力が計算され、誤差は実際の出力に関して計算され、勾配は誤差に基づいて逆伝播される。簡単に言えば、重みは誤差に基づいて調整されます。

ノードごとに6つの重みがあり、ノードの数（レイヤの数とレイヤのサイズによって異なります）に応じて、ウェイトの数を計算できます。すべてのウェイトはバッチごとに一度更新されます（バッチトレーニングを行っているので）