我想知道，MATLAB有一个removeconstantrows函数，应该应用于前馈神经网络输入和目标输出数据。此函数从数据中删除常量行。例如，如果5输入神经网络的一个输入向量是[1 1 1 1 1]，则将其删除。
谷歌搜索，我能找到的最好的解释是（释义）“不需要恒定行，可以通过适当调整输出层的偏差来代替”。
有人可以详细说明吗？
谁做了这个调整？
从我的书中，简单梯度下降的重量调整是：
Δweight_i= learning_rate * local_gradient * input_i
这意味着第一个隐藏层的神经元的所有权重都被调整为相同的量。但他们已经调整好了。
答案 0 :(得分：1)
我认为存在误导。 “行”不是输入模式，而是一个特征，即所有模式中的第i个组件。很明显，如果某些功能在所有数据集上没有很大的差异，它就不会提供有价值的信息，也不会对网络培训起到明显的作用。
与偏差的比较是可行的（虽然我不同意，这适用于输出层（仅），因为它取决于找到常量行的位置 - 如果它在输入数据中，那么它是正确的好的第一个隐藏层，imho）。如果你记得的话，建议反向传播网络中的每个神经元都有一个特殊的偏置权重，连接到1个恒定信号。例如，如果训练集包含一个全1的行，那么这与附加偏差相同。如果常量行具有不同的值，则偏差将具有不同的效果，但在任何情况下，您都可以简单地消除该行，并将该行的常量值添加到现有偏差中。
免责声明：我不是Matlab用户。我在神经网络方面的背景完全来自编程领域。