Pybrain基本网络组织问题

Question

我已经开始在Pybrain中建立一些网络，并且获得了很多乐趣。我对这些文档并不完全感兴趣，所以我构建了一些小而简单的网络，并用它们来识别类结构和数据流是如何工作的。在

我有几个问题：

设置：

---

n = FeedForwardNetwork()

inLayer = LinearLayer(1, name = 'Input node')
hiddenLayer = LinearLayer(1, name = 'Hidden node')
outLayer = LinearLayer(1, name = 'Output node')

n.addInputModule(inLayer)
n.addModule(hiddenLayer)
n.addOutputModule(outLayer)

---

1）当您执行“addInputModule”方法时，该层中的节点是否自动限制为每个输入一个？有没有办法有不止一个呢？在

2）似乎我无法创建一个具有4个输入和1个输出的一个节点的NN……看起来我必须为任何NN使用至少2个节点，因为权重与edge（即connection）类相关。如果我有4个输入，那么输入模块中必须有4个节点。。。。在

^{pr2}$

3）在上面的代码片段中，每个层中每个节点的默认阈值函数是什么？我怎样才能显示T.F.是什么？在

4）是否有描述每个类方法的所有可用输入的文档？在

谢谢！在

格雷格

Answer 1

你的问题太宽泛了，因此有点离题。尽管如此，我还是会设法解决你的一些问题。在

• 必须使用n.addConnection在层之间添加连接
• 一个节点代表一个输入，所以对于4个输入-1个输出NN，您需要一个有4个神经元的输入层，见下文。注意，1输出意味着这只是一个yes-no分类器，因为它可以预测一个样本是否只属于一个类。4个输入意味着NN用4个特征（即4d空间中的向量）对样本进行分类

NN，具有4个输入和1个输出：

from pybrain import structure

fnn  = structure.FeedForwardNetwork()
in_layer = LinearLayer(4, name = 'Input node')
out_layer = LinearLayer(1, name = 'Output node')

fnn.addInputModule(in_layer)
fnn.addOutputModule(out_layer)
fnn.addConnection(structure.FullConnection(in_layer, out_layer))

• 关于神经元的treshold
• PyBrain是well documented