Les poids sont-ils différents pour chaque entraînement? Exemple de perceptrons

Question

Je suis nouveau au réseau de neurones. J'ai un ensemble de données d'apprentissage d'exemples 1K. Chaque exemple contient les 5 caractéristiques.

Initialement, j'en ai fourni pour évaluer les poids. Donc, y a-t-il une valeur 1K qui est stockée pour les poids associés à chaque exemple ou les valeurs de poids restent les mêmes pour tous les exemples 1K?

i.e. example1 => [f1,f2,f3,f4,f5] -> [w1e1,w2e1,w3e1,w4e1,w5e1] 
example2 => [f1,f2,f3,f4,f5] -> [w1e2,w2e2,w3e2,w4e2,w5e2] 
here w1 means first weight and e1, e2 means diffrent examples 

or example1,example2,... -> [gw1,gw2,gw3,gw4,gw5] 
here g means global and w1 means weight for feature one as so on. 

Merci

Answer 1

Commencez avec un seul nœud du réseau de neurones. Sa sortie est la fonction sigmoïde appliquée à la combinaison linéaire d'entrée comme indiqué ci-dessous.

Donc, pour 5 fonctionnalités que vous aurez 5 poids + 1 biais pour chaque nœud du réseau de neurones. Pendant l'apprentissage, un lot d'entrées est alimenté, la sortie à la fin du réseau de neurones est calculée, l'erreur est calculée par rapport aux sorties réelles et les gradients sont rétrospectivement basés sur l'erreur. En termes simples, les poids sont ajustés en fonction de l'erreur.

Ainsi, pour chaque nœud, vous avez 6 poids, et en fonction du nombre de nœuds (qui dépend du nombre de couches et de la taille des couches), vous pouvez calculer le nombre de poids. Tous les poids sont mis à jour une fois par lot (puisque vous faites une formation par lots)