【猜测】使用神经网络算法的时候权值可视化观察

1、最近输入数据为【doy，hour，B，L，H】：分别代表年积日（1-366）、小时（0-23）、大地纬度（-90-90）、大地经度（0-360）、大地高（-inf-inf）

建立全连接网络节点数：5-16-8-4-1（节点数目）

经过算法迭代最终求解结果有：W1、B1；W2、B2；W3、B3；W4、B4；

现在只观察W1矩阵：

W1：

-0.535723030567169 0.0367485061287880-0.181140720844269 0.01314613968133930.0387391485273838 -0.0621286481618881-0.0523991510272026 -1.05015254020691-0.0363467074930668 -0.597435832023621-0.201951786875725 -0.1003101468086240.00193084683269262 -0.1206176877021790.0146002909168601 -0.161197125911713
-0.00116097973659635 0.0802738219499588-0.0260579008609056 -0.02476187981665130.0121687771752477 -0.02415056154131890.0203229933977127 -0.00239439751021564-0.00445083342492580 -0.00114087073598057-0.0236681401729584 -0.004572825971990820.00669650919735432 0.0305882897228003-0.0172269269824028 -0.0216598790138960
0.0230947602540255 -0.0845096036791802-0.108610346913338 -0.224600434303284-0.0830405130982399 -0.121167734265327-0.108948767185211 -0.0989669561386108-0.467438817024231 -0.2872323095798490.0370498709380627 -0.0642290040850639-0.251268744468689 0.005966884549707170.130522519350052 -0.0558299943804741
0.0153722446411848 0.05622031539678570.112491004168987 -0.00494484929367900-0.159252852201462 0.208686426281929-0.0461795702576637 0.0694372877478600-0.0174873676151037 0.1432792246341710.0256024021655321 -0.0207144189625978-0.0114596923813224 -0.1129663735628130.0824206992983818 0.0233565699309111
0.00743315927684307 -0.553010046482086-0.236814007163048 -0.0338056311011314-0.487886011600494 -0.540760219097138-0.212394341826439 0.0121770808473229-0.312196969985962 -0.0220675077289343-0.145399674773216 -0.000775771273765713-0.0247998628765345 -0.400411367416382-0.376491189002991 -0.457046627998352

W1：做出图像如下

矩阵数值越大代表【doy，hour，B，L，H】对计算的影响越大，即需要保存的特征。为1/3/5对应doy,B,H与实际结论一致。至于后面的Wi虽然可以观察，但是目前特征已经没有了实际的意义。希望对也正的可视化有用吧，积累点经验。