R神经网络将不同的输入链接到不同的隐藏层

Question

我正在尝试像这样对神经网络建模：

但是在 neuralnet 包中，神经网络公式有一个语法，据我所知不能用于这种模型。

net <- neuralnet(Output~LOC+PREC_n+FLEX_n+RESL_n,data, hidden=2) #, threshold=0.01)

这是我正在使用的代码。例如，我想 link LOC 和 PREC_n 输入到第一个隐藏层，FLEX_n 和 RESL_n 输入到第二个。我怎样才能做到这一点？

Answer 1

我找到了解决办法。神经网络函数参数中有 "exclude"。您应该指定将被排除在这样的矩阵中的权重：

# exclude matrix
# first column is layer
# second column is input neuron
# third column is output neuron
# exclude links from first five neurons to second hidden neuron, links from last 17 neurons to first hidden neuron and output bias.
# ordering is as in weight vector
e = matrix( 
  c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,
    2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,1,
    2,2,2,2,2,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1), 
  nrow=23, 
  ncol=3)

排序 -> 从输入神经元到第一个隐藏神经元的连接（第一个连接是偏置，所以 1 是偏置权重，2 是第一个神经元的连接。这就是为什么第二列从 2....23 开始）。并遵循这个逻辑......

R神经网络将不同的输入链接到不同的隐藏层

R neural networks linking different input to different hidden layers

r

neural-network