如何使用矩阵作为输入来训练 Matlab 神经网络？
How to train a Matlab Neural Network using matrices as inputs?
我正在制作 8 x 8 块图像，我想使用这些块作为输入在 Matlab 中训练 RBF Neural Network。我知道我可以将矩阵转换为向量并使用它。但是有没有办法把它们训练成矩阵呢？ （为了保持局部性）或者有没有其他技术可以解决这个问题？
无法使用矩阵作为此类神经网络的输入，但无论如何这不会改变任何东西：
假设您有任何神经网络，其中包含一个图像作为输入、一个隐藏层和一个输出层。从每个输入像素到每个隐藏单元都有一个权重。所有权重都是随机初始化的，然后使用反向传播进行训练。这些权重的发展不依赖于任何局部信息——它只依赖于输出误差相对于权重的梯度。因此，使用矩阵输入与使用向量输入无区别。
例如，您可以从图像中制作一个矢量，以任何方式打乱该矢量（只要您对所有图像都采用相同的方式），结果将是（或多或少，由于随机初始化）相同。
处理输入数据中局部结构的方法是使用convolutional neural networks (CNN).
我正在制作 8 x 8 块图像，我想使用这些块作为输入在 Matlab 中训练 RBF Neural Network。我知道我可以将矩阵转换为向量并使用它。但是有没有办法把它们训练成矩阵呢？ （为了保持局部性）或者有没有其他技术可以解决这个问题？
无法使用矩阵作为此类神经网络的输入，但无论如何这不会改变任何东西：
假设您有任何神经网络，其中包含一个图像作为输入、一个隐藏层和一个输出层。从每个输入像素到每个隐藏单元都有一个权重。所有权重都是随机初始化的，然后使用反向传播进行训练。这些权重的发展不依赖于任何局部信息——它只依赖于输出误差相对于权重的梯度。因此，使用矩阵输入与使用向量输入无区别。
例如，您可以从图像中制作一个矢量，以任何方式打乱该矢量（只要您对所有图像都采用相同的方式），结果将是（或多或少，由于随机初始化）相同。
处理输入数据中局部结构的方法是使用convolutional neural networks (CNN).