权重如何在用于预测的人工神经网络中工作？
How do weights work in an Artificial Neural Network for Prediction?
假设我有 4 个输入数据集。
我正在尝试实现如下图所示的人工神经网络。
训练神经元后，我得到 10 个权重。我如何使用这 10 个权重来预测测试数据？
(n X 4) -> Test Data (A)
(10 X 1) -> Trained Weights (w)
(n X 4) (4 X 1) -> Predicted Output (How are the weights used here?)
Aw = y
其中 A 是我的测试数据，w 是我的权重，y 是预测输出。
我认为您误解了神经网络的工作原理。这是一个很好的教程，从一开始就解释了这一点：CodeProject
简而言之：通过训练神经网络 您可以更改其结构以适合您的测试数据 ，通过 预测 您可以使用修改后的结构以与训练期间相同的方式计算输出，但您现在不修改它。
假设我有 4 个输入数据集。
我正在尝试实现如下图所示的人工神经网络。
训练神经元后，我得到 10 个权重。我如何使用这 10 个权重来预测测试数据？
(n X 4) -> Test Data (A)
(10 X 1) -> Trained Weights (w)
(n X 4) (4 X 1) -> Predicted Output (How are the weights used here?)
Aw = y 其中 A 是我的测试数据，w 是我的权重，y 是预测输出。
我认为您误解了神经网络的工作原理。这是一个很好的教程，从一开始就解释了这一点：CodeProject
简而言之：通过训练神经网络 您可以更改其结构以适合您的测试数据 ，通过 预测 您可以使用修改后的结构以与训练期间相同的方式计算输出，但您现在不修改它。