过程向量是神经网络输入层的输入神经答案

【问题标题】：Process Vector is input's neural of Input Layer of Neural network过程向量是神经网络输入层的输入神经
【发布时间】：2014-04-11 15:35:35
【问题描述】：

我正在研究使用神经网络和 PCA（主成分分析）进行人脸检测，但我对神经网络的输入层有疑问：

使用PCA处理图像人脸库后，我有一组EigenVectors（1 Image face = 1 Vector）。

根据神经网络文档，输入层只接受真实值（例如 0.1、1、100、10000）。但是如果输入的是向量，所以我不能在这一步处理。

【问题讨论】：

【解决方案1】：

向量 - 在您的情况下，一组有序的数字。正确的？神经网络的输入层也可以看作一个向量。两个向量的长度必须相同。所以你应该将向量的第一个元素应用于输入层网络的第一个输入，向量的第二个元素 - 第二个输入，第三个 - 第三个输入，..

【讨论】：

谢谢德米特里。但是如果我们每次训练一个向量，然后应用“反向传播”来更新神经网络的权重，我们必须训练 n 次（n 是图像人脸数据库的数量 - 向量）并且我们有 n 个设置权重。这可能是一种真实的方式或者......我误解了神经网络。
别提了。网络训练基于一个样本——向量数据库。基础有“n”个向量，网络有“n”个输入——可能只是巧合。这些向量有多长？我认为相同的长度'n'。您应该将这些向量的分量应用于网络的相应输入。将向量发布到网络的一个输入是不可能的。在这张图片中，x1,x2,...,xn 是你的向量的组成部分：tracer.lcc.uma.es/problems/ann/ann-Dateien/aneurona.jpg