预测和专业建模 > 神经网络 > “神经”平台概述
发布日期: 08/07/2020

“神经”平台概述

您可以将神经网络视为一组派生输入(称为隐藏节点)的函数。隐藏节点是原始输入的非线性函数。您最多可以指定两层隐藏节点,每层您可以根据需要,指定包含任意数目的隐藏节点。

神经网络图 显示了包含三个 X 变量和一个 Y 变量的两层神经网络。在本例中,第一层包含两个节点,每个节点是第二层中全部三个节点的函数。第二层包含三个节点,所有节点是三个 X 变量的函数。预测 Y 变量是第一层中两个节点的函数。

神经网络图 

在隐藏层的节点处应用的函数称为激活函数。激活函数是 X 变量线性组合的变换。有关激活函数的详细信息,请参见隐藏层结构

应用于响应的函数是一个线性组合(对于连续响应)或 Logistic 变换(对于名义型或有序型响应)。

神经网络模型的主要优点是它能够有效地对不同的响应曲面建模。只要有足够多的隐藏节点和层,任何曲面可以达到任意精度的近似。神经网络模型的主要缺点是结果不容易解释。这是因为它在 X 变量和 Y 变量之间存在中间层,并不像一般的回归模型中那样在两个变量之间是直接关联的。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).