MLP 输入的结构是啥？

Posted 2023-03-12

【中文标题】MLP 输入的结构是啥？

【英文标题】：What is the structure of the MLP's input?MLP 输入的结构是什么？

【发布时间】：2014-03-27 01:28:42

【问题描述】：

每个复数（输入或输出模式的组成部分）都关联 分别与 MLP 输入或输出层的两个相邻神经元，将其实部分配给该对的左侧神经元，将其虚部分配给右侧。

1) “实部分配给该对的左侧神经元，虚部分配给右侧神经元”是什么意思？

2) 如何处理复数作为神经网络的输入，如何训练？我还用全连接的神经网络吗？

【问题讨论】：

这句话太清晰了，我都不知道该解释什么了。我建议您研究基础（复数、神经网络或两者兼而有之）。

我没有看到一个实部--->作为一个神经元的虚部。您能为我解释一下 MLP 的这种结构吗？

看我的回答。没有“realPart--->Imaginarypart”神经元。有 2 个神经元，分别取 i 和 r。

【参考方案1】：

您的输入是复数 n=(r,i)，其中 r= 实部，i= 虚部。

Input layer with 2 nodes: (r,i)
Hidden layer: Specifics (size) unknown from your text. Try size 2-4
Output layer with 2 nodes: (r,i)

你输入一个复数，你得到一个复数作为输出。 训练照常进行。该网络只是在复数空间内逼近一个函数。复数被简单地视为输入的两个不同数字。这里没有什么特别的。只是一个输入层大小为 2 的神经网络。

编辑：

示例： a + bi 被输入到网络中。 -> 输入节点 1 接收：a，输入节点 2 接收：b -> 输出节点 1 给出：f(a)，输出节点 2 给出：f(b)