神经网络中的额外权重值（R包的nnet）

Question

我正在尝试使用一些简单的输入数据在Excel中对nnet包进行逆向工程。这是我采取的步骤

1. 导入虚拟数据：test <- read.csv('dataScaled.csv',header=TRUE,sep = ",")

2. 训练网络： anntrain <- nnet(Price ~ Sqft + Bedrooms + Bathrooms,test[1:650,],size=2, maxit=5000,linout=TRUE)

3. 抓住人工神经网络的权重： anntrain$wts 这输出：

   [1] -2.12443010 6.68900321 0.85338018 -0.73329823 -3.95336239 7.91917321  [7] -5.38893137 4.05941771 -0.02062346 0.26584364 0.32881035

4. 抓取经过训练的网络的拟合值： anntrain$fitted.values 这输出了我认为对于我在上面训练过的650笔交易中的每笔交易中经过训练的网络的按比例缩放的价格预测。

5. 使用sigmoid函数重新计算上述权重，证明拟合值。

我的困惑是它输出了11个权重值。如果我只有3个输入，2个隐藏节点和1个输出，那不应该只相当于8个权重吗？什么是3个额外的重量？

Answer 1

每一层都有偏见（Why use a bias/threshold?）。偏差就像一个总是给你输入1的节点。因此你有（3 + 1）* 2 +（2 + 1）* 1 = 11个权重。