神经网络-测试训练网络
神经网络-测试训练网络
提问于 2018-05-21 00:11:41
我已经编程(Java)我自己的前馈网络学习通过反向传播。我的网络接受了学习异或问题的训练。我有一个输入矩阵4x2和目标4x1。
投入：
{{0,0},
{0,1},
{1,0},
{1,1}}产出：
{0.95048}
{-0.06721}
{-0.06826}
{0.95122}我有一个经过训练的网络，现在我想在新的输入上测试它，比如：
{.1,.9} //should result in 1但是，我不知道如何实现float predict(double[] input)方法。据我所见，我的问题是我的训练数据与我的输入数据有不同的大小。
请建议一下。
编辑：这个词，听起来像是我想要一个回归值。然而，我希望输出是一个概率向量(分类)，然后我可以分析。
回答 2
Stack Overflow用户
回答已采纳
发布于 2018-05-21 01:05:51
在您的情况下，您的神经网络应该有一个维数为2和输出为1的输入。因此，在培训期间，您将提供每个示例输入{x0、x1}和输出{y0}供其学习。最后，在预测时，您可以提供一个向量{.9，.1}并得到所需的输出。
Stack Overflow用户
发布于 2018-05-21 01:03:10
基本上，当你训练一个神经网络时，你会得到一堆可以用来预测结果的参数。您可以通过在每个层中添加特性和权重的乘积来获得结果，然后将激活函数应用到其中。例如，假设您的网络有3层(特性除外)，而每个隐藏层有3个神经元，输出层有一个神经元。W1表示第一层的权重，因此它的形状为3,2。使用相同的参数，W2，第二层的权重为3,3。最后，输出层的权重W3为1,3。现在，如果我们使用一个称为g(z)的函数作为激活函数，您可以计算出这样的结果：
Z1 = W1.X
A1 = g(Z1)
Z2 = W2.A1
A2 = g(Z2)
Z3 = W3.A2
A3 = g(Z3)A3是你的结果，预测两个数字的异或。请注意，我没有考虑过这个例子的偏见术语。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50440497
复制相关文章
相似问题
腾讯云开发者
