Machine learning PyBrain构建网络与前馈网络_Machine Learning_Neural Network_Pybrain_Perceptron

Machine learning PyBrain构建网络与前馈网络

machine-learning neural-network

Machine learning PyBrain构建网络与前馈网络,machine-learning,neural-network,pybrain,perceptron,Machine Learning,Neural Network,Pybrain,Perceptron,作为家庭作业，我想创建一个多层感知器人工神经网络来进行分类我是PyBrain的新手，我正在尝试创建一个带有反向传播的前馈神经网络，在谷歌搜索之后，在PyBrain中似乎有两种方法，使用buildNetwork或FeedForwardNetwork 此外，我在课堂上了解到感知机有阶跃函数，从我在文档中看到的，似乎没有阶跃函数选项我找不到两者之间的区别，因此无法确定哪一个更适合我的任务谢谢构建网络足以构建类似MLP的标准网络，它允许足够的灵活性来设置隐藏层的数量、输入和输出神经元以及隐藏和输出

作为家庭作业，我想创建一个多层感知器人工神经网络来进行分类

我是PyBrain的新手，我正在尝试创建一个带有反向传播的前馈神经网络，在谷歌搜索之后，在PyBrain中似乎有两种方法，使用buildNetwork或FeedForwardNetwork

此外，我在课堂上了解到感知机有阶跃函数，从我在文档中看到的，似乎没有阶跃函数选项

我找不到两者之间的区别，因此无法确定哪一个更适合我的任务

谢谢

构建网络

足以构建类似MLP的标准网络，它允许足够的灵活性来设置隐藏层的数量、输入和输出神经元以及隐藏和输出神经元的不同激活功能。但在这里，它将创建一个网络，所有神经元连接起来，形成所有可能的路径

如果您希望针对不同隐藏层的不同激活功能进行更多自定义，则不是所有层都要连接，而是选择性连接，或者像Elman network那样构建重复性网络，然后需要

FeedForwardNetwork

，因为

buildNetwork

不允许您对结构进行所有必要的调整

对于简单感知器和多层感知器，两者之间没有任何区别。对于您的任务

buildNetwork

应该足够了