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

朋友们请帮我解释一下这张图 任何帮助将受到高度赞赏

Answer 1

此图表代表着名Iris dataset背景下的神经网络。此数据集包含三种iris plant类型的四个属性。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（在顶行左侧标记为1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一行：

  

y = a * x

其中x是输入值，a是权重。有了偏见，它可以代表所有可能的界限：

  

y = a * x + b * 1

1对应于图中的1节点，b是其权重（在图中也可见）。

对输出图层（图片中节点的最后一列）重复完全相同的场景。

右侧的标签代表类别标签，对应于分类植物的名称。这个结构代表了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，则中间一个0.76和底部给出0.3，那么决定所呈现的属性代表“Iris setosa”类