具有恒定输入的神经网络层会学习权重吗？

文章/答案/技术大牛

发布

1回答

python、tensorflow、keras、neural-network

我正在尝试创建一个具有延迟/衰减输入的网络。原始输入将是一个向量，每个元素的输入为0、1或-1。我很好奇同时激活任何给定的输入是否有任何价值，所以我想让权重从1或-1衰减到0，而不是在下一次迭代中只是0，我想这是一种粗糙的记忆形式。这很容易手动完成，只需添加一个额外的输入来获取衰减值的向量，但我想知道是否可以让网络在这里学习它自己<em

浏览 14提问于2020-08-29得票数 0

回答已采纳

2回答

如何解释神经网络层的权重分布

machine-learning、tensorflow、neural-network、deep-learning

我设计了一个3层神经网络，它的输入来自CNN和RNN的级联特征。网络学习的权重值很小。对此有何合理的解释？以及如何解释Tensorflow中的权重直方图和分布？有什么好的资源吗？这是一个3层神经网络的第一个隐层的权重分布，使用张量板可视化。如何解读这一点？所

浏览 9提问于2017-12-11得票数 3

2回答

如何将偏差和激活函数直接添加到TensorFlow中的输入层？

python、tensorflow、keras、neural-network

我想要创建一个没有隐藏层的神经网络，但是每个输入都有一个偏差求和，并且在进入softmax输出层之前经过一个relu函数。与每个输入的偏差相关的权重需要是可训练的。您也可以将其看作是一个具有一个隐藏层的神经网络，但是隐藏层中的每个节点只连接到一个输入特性。我想要实现的是最简单

浏览 0提问于2020-04-21得票数 0

回答已采纳

2回答

自实现神经网络的奇怪收敛性

neural-network

我最近遇到了一个问题，我在Java中使用自己实现的神经网络已经有几天没有解决这个问题了。我的网络有两个输入神经元，对应于给定灰度图像中像素的x和y坐标，一个输出表示像素的色调。我使用的学习算法是RPROP。我遇到的问题是，在向网络提供整个训练数据集的多次迭代之后，它收敛到一个离预期很远的点，并且在分析了收敛网络的权重结构后，我可以看到隐藏层中<e

浏览 1提问于2012-01-17得票数 0

1回答

神经网络和反向传播，MATLAB中远程环境的调整

matlab、neural-network

我想知道，MATLAB有一个removeconstantrows函数，应该应用于前馈神经网络输入和目标输出数据。此函数用于从数据中删除常量行。例如，如果一个5输入神经网络的一个输入向量是1111，那么它将被删除。有人能详细说明一下吗？在我<em

浏览 0提问于2012-12-14得票数 1

回答已采纳

4回答

机器学习与深度学习

machine-learning、deep-learning

我对“机器学习”和“深度学习”这两个词之间的区别感到有点困惑。我在谷歌上搜索过很多文章，但对我来说还是不太清楚。汤姆·米切尔对机器学习的一个已知定义是：一个计算机程序据说可以从经验E中学习到某些类型的任务T和性能度量P，如果它在T中的性能(按P来衡量)随着经验E的提高而提高。然后是深度学习。我理解深度学习是机器学习的一部分，而上面的定义是成立的

浏览 0提问于2017-01-20得票数 12

回答已采纳

1回答

基于卷积神经网络的图像特征识别

machine-learning、artificial-intelligence、neural-network、convolution

假设您使用神经网络进行图像识别，并且您已经训练它来识别直线。我天真的解决方案是单独训练网络来识别图像每一部分的线条，但这似乎是杂乱无章的。因此，我的问题： 神经网络如何识别直线，而不管它们在图像上的位置？我读到

浏览 0提问于2013-12-07得票数 1

1回答

如果所有基本层可训练对象都设置为false，我的模型是如何工作的？

tensorflow、machine-learning、keras、computer-vision

这是我为我的深度学习项目建立的模型，我正在从中获得相当不错的准确性。我的问题是，如果我冻结了初始模型(这是我的VGG19基础模型)的权重，我如何训练整个模型？而且，在添加了冻结层的VGG19层之后，我得到了比只有几层CNN更好的结果。会不会是因为我的CNN层初始化了VGG19的权重？

浏览 3提问于2019-12-11得票数 1

4回答

为什么CNN必须有固定的输入大小？

neural-network、cnn、image-classification、perceptron

现在我正在学习卷积神经网络。我知道可以克服这个问题(用完全卷积的神经网络等)，而且我也知道，这是由于在网络的末尾放置了完全连接的层。但是为什么呢？我无法理解完全连接层的存在意味着什么，以及为什么我们被迫有一个固定的输入大小。

浏览 0提问于2019-11-30得票数 9

回答已采纳

1回答

以下类型的类似神经网络的技术是如何命名的？

machine-learning、neural-network、black-box

我见过的神经网络应用程序总是学习它们输入的权重，并使用固定的“隐藏层”。但我想知道以下技术：2)固定输入，但隐藏层不再是固定的，在某种意义上，尽管它们具有计算固定函数(乘法、加法等)的</e

浏览 8提问于2015-02-10得票数 1

1回答

神经网络权重太大了？

tensorflow、machine-learning、neural-network

我正在实现一个反向传播的神经网络。权值初始化为(-0.5，0.5)。然而，在第一次发送输入并进行误差和传播后，权重增加到1000左右，有时甚至增加到2000。(在输入层和隐藏层之间) 网络拓扑由3层组成:1层输入层、1层隐藏层和1层输出层。输入层有95个节点，隐藏层有3个节点

浏览 0提问于2019-03-08得票数 1

5回答

深度学习和传统的人工神经网络机器学习有什么区别？

machine-learning、neural-network、artificial-intelligence、deep-learning

你能简单地解释一下和传统机器学习之间的区别吗？要使一个神经网络变得“深”需要多少个层次？这都是市场炒作吗？

浏览 14提问于2016-04-12得票数 7

回答已采纳

1回答

有没有其他方法可以减少泛化误差？

tensorflow、machine-learning、keras、data-science

嗨，我正在建模一个线性回归模型，更多的描述可以在这里找到，，我正在努力减少我的泛化误差。根据这篇文章，泛化误差是训练误差和val误差之间的差距。从我的堆栈帖子中，许多人建议我正规化并添加drop out层。我能做些什么来进一步减少我的损失/泛化错误

浏览 0提问于2019-07-31得票数 0

1回答

权值的隐神经元表示

neural-network、rbm

在RBM中，如果我们表示隐单元学习的权重，则表示神经网络正在学习基本形状。例如，对于mnist数据集，他们学习要分类的数字的特征。在一个有一个隐藏层的常规前馈网络中，我可以训练网络识别数字，它可以工作，但是当我试图可视化隐藏层的权重时，我只看到噪声，没有明显的特征。为什么会这样呢？网络没有学会识别数字吗？

浏览 0提问于2016-05-07得票数 1

回答已采纳

1回答

神经网络如何一次识别更多的模式-它是如何工作的？

artificial-intelligence、image-recognition

当涉及到神经网络时，我是一个初学者。我理解基础知识，但我对以下内容不太确定--让我们考虑一下手写识别网络。我知道你可以训练一个网络来识别一个模式，也就是说，适当地设置了权重。但是，如果网络将被训练为识别"A"，那么它如何识别"B“，这肯定需要不同的权重设置？或者网络只搜索它当前训练的一个字母？我希望我已经说得很清楚了--我基本上是试图理解，如果在对所有人进行训练时，权重是混合的，那么一个经过训练的网络如何识别不同的

浏览 0提问于2014-05-30得票数 1

1回答

训练多层感知器玩牌

machine-learning、neural-network、mathematical-optimization、evolutionary-algorithm

我正在写一个多层感知神经网络来玩两人纸牌游戏。我想知道是否有更好的方法来优化权重，而不是用随机再生的权值测试神经网络。第一层中的神经元输出场值表示甲板中卡片的状态。每个神经元都有一组恒定的权重。例如，如果卡片在AI手中，神经元输出的字段等于数组中的第一个权重，如果卡片在表上--

浏览 1提问于2015-11-28得票数 2

2回答

深信念网络与卷积神经网络

machine-learning、computer-vision、neural-network、dbn、autoencoder

(只有学习最后一层的权重(HL2 -输出，即软件最大层)才是监督学习)。池<

浏览 8提问于2014-07-03得票数 44

回答已采纳

2回答

为什么我的预测模型每次运行时都会给出不同的预测结果？

python、machine-learning、keras、lstm

然而，每次当我运行程序时，RMSE的值和预测结果都在不断变化(我没有改变程序中的任何数据。每次点击运行按钮都会给出不同的结果，)谁能让我知道是什么原因。非常感谢

浏览 8提问于2020-06-19得票数 0

1回答

神经网络:权重和偏差收敛

neural-network

我一直在阅读一些关于机器学习、神经网络和深度学习的主题，其中之一就是这本(在我看来)很棒的在线书籍：现在

浏览 4提问于2017-09-20得票数 0

1回答

具有函数近似的Q学习，其中每个状态不具有相同的动作集

reinforcement-learning、q-learning

我正在将Q学习与函数近似应用于每个状态不具有相同操作集的问题。当我计算目标的时候由于每个状态都不具有相同的操作集，因此我是否应该在状态定义中也包括一组操作？否则，两个状态可能在所有其他功能中彼此非常相似，除了它们从那里开始具有非常不同的可用操作集这一事实。即使我包括一组动作，问题也是向量的长度，因为每个状态都有不同数量的动作。请帮帮我

浏览 0提问于2016-08-25得票数 1

点击加载更多