我有一个问题可能很琐碎,但我查看的任何地方都没有描述。我正在学习神经网络,无论我看哪里,都有一些理论和一些使用0和1作为输入的琐碎例子。我想知道:我必须为一个神经元仅放入一个值作为输入值,还是可以是一个向量,比如三个值(例如RGB颜色)?
我有一个问题可能很琐碎,但我查看的任何地方都没有描述。我正在学习神经网络,无论我看哪里,都有一些理论和一些使用0和1作为输入的琐碎例子。我想知道:我必须为一个神经元仅放入一个值作为输入值,还是可以是一个向量,比如三个值(例如RGB颜色)?
R[0..1] => (N1)----\
\
G[0..1] => (N2)-----(N4) => Result[0..1]
/
B[0..1] => (N3)----/
[1 1 1 1 1]
[0 0 1 0 0]
[0 0 1 0 0]
[0 0 1 0 0]
[0 0 1 0 0]
[1 1] [0 0] [1 0] [0 1] [1 0], [0 1]
[0 0], [1 1], [1 0], [0 1], [0 1], [1 0]
[1 1] (the first feature matrix) to [1 1] (the first position in the image)
[0 0] [0 0]
使用归一化到可见光谱的光波长作为输入。
网络上有一些近似的方程式。 搜索RGB到波长转换 或者 使用HSL颜色模型并提取色相分量,可能也要使用饱和度和亮度。嗯...
它可以是你想要的任何东西,只要你根据自己的内部函数编写即可。
你提到的例子使用[0;1]作为它们的定义域,但是你可以使用R、R²或者任何你想要的定义域,只要你在神经元中使用的函数在这个定义域上被定义。
在你的情况下,你可以在R3上定义你的函数,以允许处理RGB值。
一个简单的例子:使用(x1,y1,z1),(x2,y2,z2)->(ax1+x2,by1+y2,cz1+z2)作为你的函数,将两种颜色转换为一种颜色,其中a、b和c是你在学习阶段确定的学习系数。
非常详细的信息(包括你问题的答案)可以在维基百科上找到。