R deepnet 包：如何向我的神经网络添加更多隐藏层？

Question

我刚开始研究“deepnet”包： http://cran.r-project.org/web/packages/deepnet/index.html

这是关于“深度学习”，所以关于多层神经网络的使用。 我已经开始使用包中提供的 train() 函数， 但我真的不明白如何在 神经网络。 标准设置包括 2 个隐藏层，但我想添加更多，比如 5 个。 你们有些人有什么想法吗？

我正在使用 sae.dnn.train() 函数，但我不明白哪个 参数控制隐藏层的数量。 下面是示例代码：

Var1 <- c(rnorm(50, 1, 0.5), rnorm(50, -0.6, 0.2))
Var2 <- c(rnorm(50, -0.8, 0.2), rnorm(50, 2, 1))
x <- matrix(c(Var1, Var2), nrow = 100, ncol = 2)
y <- c(rep(1, 50), rep(0, 50))
dnn <- sae.dnn.train(x, y, hidden = c(5, 5))
## predict by dnn
test_Var1 <- c(rnorm(50, 1, 0.5), rnorm(50, -0.6, 0.2))
test_Var2 <- c(rnorm(50, -0.8, 0.2), rnorm(50, 2, 1))
test_x <- matrix(c(test_Var1, test_Var2), nrow = 100, ncol = 2)
nn.test(dnn, test_x, y)

哪个参数设置了神经网络中的隐藏层数？ 如何添加更多隐藏层？

Answer 1

虽然我不熟悉 deepnet 包，但它的结构似乎与其他神经网络包相同。查看文档 (?sae.dnn.train) 后，您将看到：

hidden:    vector for number of units of hidden layers.Default is c(10).

现在这不是最清楚的描述，但我相信它应该与neuralnet 包中的neuralnet 函数相同。 ?neural::neuralnet

hidden:    a vector of integers specifying the number of hidden neurons 
           (vertices) in each layer.

这更清楚，您可以理解您正在创建一个向量，指定每个层中的神经元（节点、顶点等）的数量。

因此，总而言之，您使用hidden = c(5, 5) 的示例适用于两层，每层有 5 个神经元。因此，如果您想要 5 个隐藏层，每个隐藏层有 5 个神经元，您只需输入 hidden = c(5, 5, 5, 5, 5)。