使用“neuralnet”软件包为不同层设置不同的激活功能

再见， 我在R的neuralnet工作。 我曾经在python中使用Keras编程这种东西，所以我希望能够为不同的层设置不同的激活函数

让我解释一下。假设我想建立一个有2个隐藏层的神经网络，比如说有5个和4个神经元，输出介于-1和1之间

我想在隐藏层设置RELU或softplus，在输出层设置tanh

这里的问题是，neuralnet软件包只允许我通过参数act.fun选择一个激活函数：

我尝试将act.fun参数设置为csoftplus、softplus、tanh，但我当然会得到一个错误，因为neuralnet函数只需要该参数使用一个函数

你知道我如何用这种方式设置神经网络吗？在互联网上，我只能找到用这个软件包构建的非常基本的线性神经网络。如果这是不可能的，这意味着这个包几乎是无用的，因为它将只能建立线性模型

非常感谢，

---

ciao

ReLu是在neuralnet 1.44.4中添加的，尚未在CRAN上，可以使用devtools:：install_githubbips-hb/neuralnet。在此版本中，还可以单独更改输出激活函数output.act.fct。但是，还不可能对隐藏层进行不同的激活。 另请参见此处：

在互联网上，我只能找到用这个软件包构建的非常基本的线性神经网络。如果这是不可能的，这意味着这个包几乎是无用的，因为它将只能建立线性模型

---

不，不仅仅是线性模型。但请注意，该软件包来自2008年深度学习之前的时代，不是为深度网络而设计的。我还推荐Kerr，因为这里的R软件包很棒。

可能吗？但该方案并不是一个等同于Keras的框架。如果您已经在Python中使用过Keras，并且目前正在R中工作。无论如何，它都使用网状结构来处理Python，因此，如果您已经对该接口感到满意，那么您最好还是坚持使用它，除非这是R@alistaire Thsx中一个更大项目的一部分供您评论。不幸的是，我无法在当前使用的版本上安装Keras，也无法升级它。

> nn <- neuralnet(data = data, hidden = c(5, 4), act.fun =tanh)