Neural Networks:前馈神经网络 源码

关于 三个R程序在Wool数据集上实现快进神经网络。 人工神经网络 该程序通过拆分Wool数据集并使用1个隐藏单元来实现快进神经网络。 隐藏的神经网络 该程序通过在1-7个隐藏单元中循环训练和测试数据集来实现快进神经网络。 所获得的每个网络的相关系数和隐藏单元数的图表表明,随着我们向神经网络中添加更多的神经元,与相关性之间存在相当强的相关性关系,预测的成年羊毛和原始成年羊毛值之间的线性关联强度就会增加。隐层中一个神经元的系数为0.87,而隐层中6个神经元的相关系数为0.92。 添加更多的神经元不会改变相关系数,而是保持在0.92,并且在进一步添加神经元时可能会降低相关系数。 这是因为该模型过度拟合了训练集上的数据,从而导致不良传播并增加了舍入误差,从而增加了相关系数的噪声。 因此,该模型在隐藏层中需要6个神经元才能提供最佳性能。 隐藏的ANN火车测试 该程序通过不断更改训练和测试数据集的大