我理解神经网络回归的方法是从数据集中向每个x-input添加权重。我想要一些略有不同的东西。
我希望将权重添加到计算每个x-input的函数中，我们称之为s-inputs
计算x-inputs的函数是所有s-inputs的求和函数，我希望每个s-input都有自己的权重
所以我说回归因为我希望最终结果是映射x -> y
...但这是通过训练计算x-inputs
令我感到困惑的是，因为当我们训练权重来计算时，x1我们也在训练权重以计算x2，因为它们使用相同的求和函数。因此，由于在所有x-inputs内同时训练计算x输入的函数，因此情节x -> y将开始变形。我需要它变成连续的东西。
你可以这样想。 y-value是基本事实，但我们正在为计算x-value的函数添加权重 - s-inputs
可以这样做吗？如果是这样我应该从哪里开始？