Nombre de paramètres dans un réseau neuronal artificiel pour AIC

Comment puis-je calculer le nombre de paramètres dans un réseau neuronal artificiel afin de calculer son AIC?

Chaque connexion apprise dans un réseau à action directe est un paramètre. Voici une image d'un réseau générique de Wikipedia:

$(3\times 4) + (4\times 2) = 20$

Le réseau neuronal n'est qu'une fonction de fonctions de fonctions ... (comme dicté par l'architecture du modèle). Si la fonction résultante ne peut pas être simplifiée, le nombre total de paramètres (somme de tous les paramètres de chaque nœud) dans le modèle est le nombre souhaité pour le calcul AIC.

Pour un réseau MLP entièrement connecté, vous pouvez utiliser le code (Python) suivant:

def total_param(l=[]):
s=0
for i in range(len(l)-1):
    s=s+l[i]*l[i+1]+l[i+1]
return s

alors si vous avez un réseau avec la configuration de couche suivante

input:  435
hidden: 166 
hidden: 103 
hidden:  64
output:  15

vous appelez simplement la fonction avec

total_param([435,166,103,64,15]) 
97208