我怎样才能使 NN 使得某些输入变量比其他变量“更重要”。例如,假设我的输入层有 2 个神经元,我想强调输入一个是 70% 重要,而另一个只有 30%,因为尽管从公式上讲它们测量的是相同的东西,但第一个对最终结果的贡献比其他的要多。像称重样本之类的东西,只是我想在全球范围内权衡各个输入。
这甚至可能/有意义吗?
我怎样才能使 NN 使得某些输入变量比其他变量“更重要”。例如,假设我的输入层有 2 个神经元,我想强调输入一个是 70% 重要,而另一个只有 30%,因为尽管从公式上讲它们测量的是相同的东西,但第一个对最终结果的贡献比其他的要多。像称重样本之类的东西,只是我想在全球范围内权衡各个输入。
这甚至可能/有意义吗?
查看本教程如何衡量输入的重要性?
“重要性”、“显着性”和“敏感性”等术语没有精确的、被广泛接受的含义。该答案将讨论已提出的各种衡量输入重要性的方法,但该列表绝不是详尽无遗的。不同的重要性度量可能在神经网络的不同应用中有用。这个答案的要点是,没有适合所有应用程序的单一重要性度量。
这是一个在 pybrain 中扩展连接和层的教程:
http://www.pybrain.org/docs/tutorial/extending-structure.html
看来您应该能够从输入节点创建具有所需行为的连接作为连接对象的子类。
然后你把碎片放在一起:
http://www.pybrain.org/docs/tutorial/netmodcon.html#netmodcon
将带有加权连接实例的两个输入模块连接到模块。