你好，我正在尝试完成一项基于训练感知器(没有任何隐藏层)的任务，以使用sigmoid激活函数执行二进制分类。但是由于某些原因，我的代码不能正常工作。虽然误差在每个历元之后都在减少，但精度并没有增加。我有目标标签1和0，但我预测的标签几乎都接近1。我预测的标签中没有一个代表0类。下面是我的代码。任何人请告诉我我做错了什么。with as a final output of the network
浏览 30提问于2019-03-08得票数 0
1回答
我试图理解一个简单的感知器和一个神经网络在使用keras序列类时的关系。
有人能解释一下我在下面的Keras包中找到的神经网络的跳转吗？由于输入层有四个节点，这是否意味着网络由四个感知器网络组成？
浏览 0提问于2018-05-17得票数 2
回答已采纳
我搞不懂为什么具有多类别分类的感知器(例如，具有三个输入和两个输出单元(没有隐藏层))不能用于解决XOR问题？这是真的吗？此外，我使用sigmoid激活函数实现了一个具有三个输入单元和一个输出单元的感知器，它似乎学习了XOR函数。但文献似乎说，这是不可能的。我是不是遗漏了什么？
浏览 0提问于2015-07-09得票数 1
Scikit-learn列出了为其多层感知器分类器实现的激活函数：‘logistic’, the logistic sigmoid function, returns f(x) = 1 / (1 + exp(-x)).‘relu’, the rectified linear unit fu
浏览 0提问于2017-04-27得票数 5
1回答
我正在使用MultiLayer感知器实现一个分类。feature1 - (0-1) feature2 - (1-100) feature2 - (1-100000) .。。最大-最小归一化:范围(0，1)激活函数- Sigmoid
normalized_data =(数据-min)/(最大-分
浏览 0提问于2013-12-11得票数 1
1回答
我是机器学习的新手，正在学习如何编写感知器。 重边函数的导数是多少？对于上下文，我使用感知器作为伪SVM，这样我就可以对数据点进行分类。 我假设它是0，但是基于教程，我看到人们使用1。为什么这是有效的。另外，有没有可能使用sigmoid类型的激活函数，然后通过重边函数传递输出，因此我可以求sigmoid的导数？ 谢谢。
浏览 273提问于2020-07-14得票数 0
我正在移动我在神经网络中的第一步，为了做到这一点，我正在用一个非常简单的单层，单输出感知器进行实验，它使用了一个S型激活函数。，它还包含来自偏置神经元的权重(-阈值)，result是在给定input时由感知器计算的结果(并使用sigmoid进行处理)，correct是正确的结果，{input,1}是用1(来自偏置神经元的固定输入现在，当我尝试训练感知器</
浏览 4提问于2011-08-24得票数 0
回答已采纳
为什么我们不能用阶跃函数来计算权重，t: target out;i: input
这适用于单层网络。
浏览 4提问于2014-03-16得票数 2
回答已采纳
1回答
我在R中使用Caret包，试图实现多层感知器来对卫星图像进行分类。我使用的是method=mlpML，我想知道使用的是哪个激活函数。下面是我的代码： controlparameters<-trainControl(method = "repeatedcv",
浏览 50提问于2021-07-10得票数 0
回答已采纳
1回答
我编写了多层感知器实现(在Python上)，它能够对Iris数据集进行分类。它采用反向传播算法进行训练，并在隐藏层和输出层上使用sigmoid函数。现在我的感知器的输出在0;1。但据我所知，如果我想得到输出神经元的最终房价，我需要以某种方式改变激活函数，对吗？
有人能帮我吗？
浏览 2提问于2013-12-30得票数 1
回答已采纳
我正在尝试用Java实现一个神经网络。我在学习神经网络时，在我的机器学习课本中遇到了这个问题：The output o
浏览 2提问于2014-02-26得票数 2
我正在尝试使用keras构建一个简单的单层LSTM神经网络，它有一个带有一个神经元的Dense()输出层(用于回归)。我已经看到你可以选择激活函数和循环
浏览 0提问于2017-08-22得票数 2
5回答
实现感知器分类器
、、、、
你好，我是Python和NLP的新手。我需要实现一个感知器分类器。我搜索了一些网站，但没有找到足够的信息。现在我有一些文档，我根据类别(体育，娱乐等)进行了分组。我还列出了这些文档中最常用的单词及其使用频率。在一个特定的网站上，有人说我必须有一个决定函数，接受参数x和w，x显然是某种向量(我不知道w是什么)。但是我不知道如何使用我拥有的信息来构建感知器算法，以及如何使用它来对我的文档进行分类。你有什
浏览 0提问于2011-01-12得票数 9
2回答
我试着在没有任何激活函数的情况下运行一个简单的神经网络，网络不收敛。我正在使用MSE成本函数进行MNIST分类。但是，如果我对隐藏层应用校正的线性激活函数(output = max(0，x)，其中x是加权和)，那么它会很好地收敛。
为什么消除前一层的负输出有助于学习？
浏览 1提问于2016-04-01得票数 1
3回答
在单个感知器的情况下-文献表明它不能用于分离非线性判别情况，如XOR函数。这是可以理解的，因为一条线(在2-D中)的VC维度是3，因此一条2-D线不能区分像XOR这样的输出。然而，我的问题是，为什么单感知器中的评估函数应该是线性阶跃函数？显然，如果我们有一个像sigmoid这样的非线性评估函数，这个感知器可以区分XOR的
浏览 3提问于2012-03-07得票数 7
回答已采纳
1回答
使用Keras和Tensorflow在我自己的数据集上从头开始训练卷积神经网络。learning rate = 0.0001，5个要排序的类，未使用Dropout，检查了两次数据集，未发现错误标签 型号： model = models.Sequential()model.add(layers.Dense(128,activation='relu'))
model.add(layers.Dense(5,activation='sigmoidvalidati
浏览 258提问于2019-03-16得票数 6
1回答
我读了很多关于神经网络的文章，我发现了非常不同的信息。我知道，有监督的神经网络也可以进行回归和分类。在这两种情况下，我都可以使用sigmoid函数，但是有什么区别呢？
浏览 1提问于2022-03-11得票数 -1
我创建了一个具有典型激活函数(-1或1)的简单感知器，它似乎工作得很好。然后我读到了关于sigmoid和它在值之间更平滑转换的用法，但当我使用导数时，我总是得到0.0，这会扰乱计算。sigmoid本身很好，对于较小的数字，它的小数是小数，对于较大的数字，它又是-1或1。那么导数有什么好处？举个我想说的例子：
double actual (-1 or 1 when using the
浏览 3提问于2013-04-04得票数 2
回答已采纳
1回答
我是模式分类的初学者，因此这个问题可能看起来微不足道。假设我们正在对花朵的IRIS database进行分类，它有4个特征和3个类别，即分别表示为(0 0 1; 0 1 0; 1 1 0)的Class1, Class2, Class3。现在，考虑到论文中提到的模型。该模型将有4个输入概念和3个输出，每个类一个，每个输出概念通过权重依次连接。根据论文，估计的类别是概念值“最高”的类别。
浏览 3提问于2014-05-11得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
