Java 如何在不调整神经元数量的情况下修复此点积方法？（爪哇）

我正在测试我的神经网络进行异或比较，我遇到了一个错误，我想在不改变第一个隐藏层中神经元数量的情况下修复它。导致错误的代码是：

public double dotProduct(int[][] a, double[][] ds) 
{
    int i;
    double sum = 0;
    for(i = 0; i < a.length; i++) 
    {
        int j;
        for(j = 0; j < a[i].length; j++) 
        {
            sum += a[i][j] * ds[i][j];
        }
    }
    return sum;
}

它是一个多维数组，包含7个数组。然后将其用于：

public double think(int[][] input) 
{
    output_from_layer1 = sigmoid(dotProd.dotProduct(input, layer1.getWeights()));

    return output_from_layer1;
}

函数的sigmoid部分不是一个问题，因为它需要一个双精度和 dotProduct应该输出一个double。据我所知，问题是dotProduct函数正在获取一个较大的多维数组，然后尝试将其与较小的多维数组（调用该层的权重数组的layer1.getWeights getter）交叉

层的权重定义如下：

layerWeights = new double[numNeurons][inpNum];

dot产品中使用的图层是：

XORlayer layer1 = new XORlayer(4, 3);

4个神经元，每个神经元有3个输入。这个问题源于这样一个事实：据我所知，这一层中没有足够的神经元来容纳输入量，当没有任何东西可以进一步与输入值相乘时，就会生成空指针异常

我们在神经元中有12个输入，21个输入值

我的主要问题是，有没有办法解决这个问题，使点积运算成功完成，而不必简单地将层包含的神经元数量扩大到7个？

可能会有所帮助。正如这里所建议的，因为您使用的是2D数组，所以矩阵乘法（而不是点积）可能更合适

当然，与点积类似，矩阵乘法的

inputSets

是一个7x3矩阵，

layerWeights

是一个4x3矩阵。

layerWeights

的矩阵为3x4矩阵。现在维度对齐，矩阵乘法得到7x4矩阵

根据公布的代码，我建议如下：

output_from_layer1 = sigmoid(matrixMult.multiply(input, transpose(layer1.getWeights())));

output_from_layer1 = sigmoid(matrixMult.multiply(input, transpose(layer1.getWeights())));