我想知道，MATLAB 有一个 removeconstantrows 函数，应该应用于前馈神经网络输入和目标输出数据。此函数从数据中删除常量行。例如，如果 5 输入神经网络的一个输入向量是 [1 1 1 1 1]，则将其删除。
谷歌搜索，我能找到的最好解释是（解释）“不需要恒定行，可以通过对输出层偏差的适当调整来代替”。
有人可以详细说明吗？
谁来做这个调整？
从我的书中，简单梯度下降的权重调整是：
Δ weight_i = learning_rate * local_gradient * input_i
这意味着第一个隐藏层的神经元的所有权重都被调整了相同的量。但是他们已经调整过了。
我认为有一个误解。“行”不是输入模式，而是一个特征，即所有模式中的第 i 个组件。很明显，如果某个特征在所有数据集上没有大的方差，它就不能提供有价值的信息，对网络训练也没有显着的作用。
与偏差的比较是可行的（尽管我不同意，这适用于输出层（仅），因为它取决于找到常量行的位置 - 如果它在输入数据中，那么它也适用于第一个隐藏层，恕我直言）。如果你还记得的话，建议反向传播网络中的每个神经元都有一个特殊的偏置权重，连接到 1 个恒定信号。例如，如果一个训练集包含一个全为 1 的行，那么这与附加偏差相同。如果常数行有不同的值，那么偏差会产生不同的效果，但无论如何你都可以简单地消除这一行，并将该行的常数值添加到现有的偏差中。
免责声明：我不是 Matlab 用户。我在神经网络方面的背景完全来自编程领域。