Python 是否有可能将数组传递到神经网络感知器中？

我正试图建立一个识别Elliott波的神经网络，我想知道是否有可能将一组阵列传入感知器？我的计划是将一个大小为4的数组（[打开、关闭、高、低]）传入每个感知器。如果是这样，加权平均计算将如何工作？我如何使用Python Keras库进行此操作？谢谢

---

这是一个非常标准的完全连接的神经网络。我假设您有分类问题：

从keras.layers导入输入，密集
从keras.models导入模型
#我假设x是包含训练数据的数组
#x的形状应为（num_样本，4）
#包含测试数据的数组名为y，为
#一个热编码，形状为（num_样本，num_类）
#num_samples是训练集中的样本数
#num_classes是您拥有的类数
#例如，是一个二进制分类问题num_classes=2
#首先，我们将定义网络的体系结构
inp=Input（shape=（4，）#您有4个功能
隐藏=密集（10，激活='sigmoid'）（inp）#隐藏层中的10个神经元
out=密集（num_类，activation='softmax'）（隐藏）
#创建模型
模型=模型（输入=[inp]，输出=[out]）
#编译模型并定义损失函数和优化器
compile（loss='classifical\u crossentropy'，optimizer='adam'，
指标=[‘准确度’]）
#请随意更改这些以满足您的需要
#训练模型
模型拟合（x，y，历次=10，批次大小=512）
#对模型进行10个阶段的培训，批量大小为512

我不明白你所说的数组的确切含义。

打开

，

关闭

。。。等等。是数组吗？如果是，它们是否都有相同的形状？即使它们没有，你也可以把它们展平，然后把它们传递给神经网络，没有什么问题。因此，具有值[打开、关闭等]的数组将被传递到每个感知器中。这是神经网络工作的标准方式。您所要求的计算是输入（其形状为

（num_samples，4）

）和权重（其形状为

（4，1）

）之间的矩阵乘法，用于回归和

（4，num_classes）

用于分类。要在keras中执行此操作，您需要一个图层。如果你愿意，我可以写一个包含更多实现细节的答案。是的，如果你能提供一个例子，我会非常感激。谢谢