Attualmente sto concludendo le pratiche finali di 7.3 Reti Neurali in Modellazione predittiva e text mining modulo nel Corso JMP STIPS .Adattare una rete neurale e comprendere la funzione di base di un nodo nello strato nascosto come modello di regressione appare intuitivamente facile. Tuttavia, mi chiedo se e spero che qualcuno con più conoscenze nella comunità possa fornire risposte alle domande che ho ancora dopo la formazione di base che ho appena seguito. Per l'esempio di cui voglio discutere ho usato file GreenPolymerProduction.jmp e la versione standard di JMP. Si allega copia del file comprensivo del modello.
Lo schema del modello è mostrato di seguito. Possiamo vedere che i dati per ciascuno degli otto predittori vengono inseriti in ciascuno dei tre nodi nel livello nascosto. Ogni nodo nel livello utilizza una funzione di attivazione TanH.
Ho salvato le formule per il modello nella tabella. Di seguito sono mostrate le schermate delle formule utilizzate in ciascuno dei tre nodi.
Domanda n.1: Come posso interpretare il fatto che ogni nodo ha una formula diversa per la stessa funzione di attivazione? Intuitivamente sembra ingenuo aspettarsi che la stessa formula venga utilizzata in ciascun nodo, ma mi chiedo ancora come JMP arrivi ai risultati mostrati di seguito. Un'interpretazione a cui ho pensato è che ogni nodo riceve dati di input diversi, il che mi porterebbe ad aspettarmi formule diverse come mostrato di seguito, ma questa ipotesi potrebbe essere grossolanamente sbagliata.
Domanda n. 2: Qualcuno che può condividere buoni riferimenti (usando preferibilmente spiegazioni fenomenologiche) per documentarsi sulle reti neurali per principianti?
