神经网络的输入矩阵

更新时间：2019-06-20 04:40:28 148次访问

N维向量作为输入的神经网络训练应该如何做，

比如说神经网络的输入为45x30x10的矩阵，输出层为45x30的矩阵，应该如何建立神经网络的架构呢，或者说应该用哪一种神经网络，Cmac神经网络可以吗？

样本必须是按列排布的，即一列为一个样本，并且一个输入样本对应一个输出样本。因此，两个矩阵的列数必须相等。可以用：isequal（size(input,2),size(output,2);
来检查input和output是否符合要求。
BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。