基于PHP wrapper for FANN，如何为神经网络特定输出忽略指定输入？

针对你想用PHP FANN库实现“特定输出仅依赖部分输入”的需求，有三种实用方案：

方案1：拆分独立神经网络（最推荐） #

直接搭建多个独立的神经网络，每个网络对应一组输出任务，输入仅保留该任务需要的传感器数据：

• 针对“房间是否有人”的输出，搭建一个输入层为9个节点（去掉温度传感器数据）、输出层为1个节点的网络
• 针对剩下的4种状态（如是否过热等），搭建一个输入层为10个节点、输出层为4个节点的网络

对应修改训练数据 #

原训练数据格式：

1 10 5
57 740.02 25.9 95 0.09 747 21.1 5.4 0 42.17
1 0 1 1 0

拆分后，第一个网络的训练数据（判断是否有人）：

1 9 1
57 740.02 95 0.09 747 21.1 5.4 0 42.17  # 去掉了温度值25.9
1  # 对应原输出的第一个值

第二个网络的训练数据（处理剩余4种状态）：

1 10 4
57 740.02 25.9 95 0.09 747 21.1 5.4 0 42.17
0 1 1 0  # 对应原输出的后4个值

这种方式逻辑清晰，训练和推理时互不干扰，后期维护也简单。

方案2：固定特定连接权重为0 #

通过手动设置并固定温度输入节点与“房间是否有人”输出节点（含隐藏层对应连接）的权重为0，让该输入无法影响目标输出：

1. 创建好10输入5输出的网络后，找到温度输入节点到目标输出节点、以及到所有隐藏层节点的连接
2. 使用fann_set_weight()将这些连接的权重设为0
3. 训练时通过FANN的参数设置，禁止这些权重被更新（比如自定义权重更新函数，跳过这些权重的修改）

这种方法适合不想拆分网络的场景，但需要熟悉FANN的权重操作细节，处理隐藏层连接时比较繁琐。

方案3：预处理输入数据 #

在喂入网络前，针对不同输出任务动态修改输入：

• 当计算“房间是否有人”的概率时，将温度输入固定为一个常数（比如所有训练样本的温度均值），让该输入不再提供有效信息
• 训练阶段也要同步处理：训练“是否有人”的输出时，所有样本的温度值都替换为这个常数

这种方法不用修改网络结构，但本质是让网络学习时忽略该输入，效果略逊于拆分网络，适合快速验证需求的场景。

内容的提问来源于stack exchange，提问作者BArtWell