Neural network 如何将这些特征映射到32个输入神经元

我根据本书第10.6节得到了一份作业。基本上，我必须复制一个二进制分类实验。为了解释我的问题，首先需要解释问题的背景

问题的背景 目标是对东行和西行列车进行分类，每列列车都有一组车厢，如所示。为了对列车进行分类，必须考虑列车的某些特征及其车厢的特征

数据集包含以下属性：

每列车

• （a） 汽车数量（3到5辆）
• 和（b）不同荷载的数量（1至4）

对于每辆车

• （c） 车轮的数量（2或3）
• （d） 长度（短或长）
• （e） 形状（闭口矩形、开口矩形、双开口矩形、椭圆、引擎、六边形、锯齿形顶部、开口陷阱、倾斜顶部或U形）
• （f） 荷载数量（0到3）
• 和（g）荷载的形状（圆形、六边形、矩形或三角形）

然后，十个布尔变量描述列车相邻车厢上是否存在任何特定类型的负载对（每辆车厢承载一种类型的负载）：

• （h） 矩形旁边有一个矩形
• （i） 三角形旁边的矩形
• （j） 六边形旁边的矩形
• （k） 圆形旁边的矩形
• （l） 三角形旁边的三角形
• （m） 六边形旁边的三角形
• （n） 圆圈旁边的三角形
• （o） 六边形旁边的六边形
• （p） 圆圈旁边的六边形
• （q） 圆圈旁边的圆圈

最后，class属性可以是east或west

问题 书上说是用过的

一个包含32个输入神经元和一个输出神经元的网络（表示东）[……]。32个输入编码：列车中的车厢数量；列车中不同负载的数量；每辆车的车轮数量、长度和形状；每节车厢内的负载数量；每辆车负载的形状；以及上面描述的十个布尔变量

所以，我不明白的是如何将这些特征映射到32个输入神经元。我计算这些神经元的方法如下

我是如何将这些特征映射到输入神经元的

• 2个神经元代表上述属性（a）和（b）

• 10个神经元代表10个布尔变量（属性（h）到（q））
  对于每辆车：

• 5个神经元代表属性（c）、（d）、（e）、（f）和（g）

因为每列火车最多有5节车厢，所以总共应该有25个神经元来代表每节车厢的属性（c）到（g）。这样，网络将有2+10+25=37个输入神经元，而不是书中所说的32个。那么，我到底做错了什么？提前谢谢

编辑#1：

根据该书，属性值如下所示：

引用不存在的汽车属性的属性被指定为值false。像往常一样，−对于布尔变量，1表示false，1表示true。此外，我们赋值1，2，3。。。对于具有多个值的任何属性，按其在上面的显示顺序。例如，在荷载形状的情况下，1表示圆，2表示六边形，3表示矩形，依此类推。当然，对于相应的神经元，我们使用线性激活函数h（x）=x，而不是双极函数

我的错误是：

因为每列火车最多有5节车厢，所以总共应该有25个神经元来代表每节车厢的属性（c）到（g）

第一辆车不需要五个属性（c）到（g），因为它是火车的引擎。因此，网络将具有预期的2+10+20=32个输入神经元。

我的错误是：

因为每列火车最多有5节车厢，所以总共应该有25个神经元来代表每节车厢的属性（c）到（g）

第一辆车不需要五个属性（c）到（g），因为它是火车的引擎。因此，网络将具有预期的2+10+20=32个输入神经元