在训练神经网络时，目标向量的值是什么？
在训练神经网络时，目标向量的值是用于指导网络学习的期望输出值。目标向量通常是一个与输入数据对应的标签或类别，用于衡量网络输出与期望输出之间的差异，从而通过反向传播算法来调整网络参数，使得网络的输出逐渐接近目标向量。
目标向量的值可以是离散的类别标签，也可以是连续的数值。在分类任务中，目标向量通常采用独热编码（One-Hot Encoding）表示，其中目标向量的维度与类别数量相等，每个维度表示一个类别，对应的类别维度为1，其他维度为0。例如，对于一个三分类任务，目标向量可以表示为1, 0, 0、0, 1, 0或0, 0, 1。
在回归任务中，目标向量的值可以是连续的实数，表示期望的数值输出。例如，对于房价预测任务，目标向量可以表示为一个实数，表示期望的房价。
目标向量的值在训练过程中起到了关键的作用，通过计算网络输出与目标向量之间的差异，可以使用损失函数来度量网络的预测误差，并通过反向传播算法来更新网络参数，使得网络的输出逐渐接近目标向量，从而提高网络的预测准确性。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI Lab：https://cloud.tencent.com/solution/ai-lab
- 腾讯云机器学习平台（Tencent Machine Learning Platform）：https://cloud.tencent.com/product/tmpl
- 腾讯云深度学习平台（Tencent Deep Learning Platform）：https://cloud.tencent.com/product/dlp
相关·内容
我已经使用Matlab神经网络工具箱在包含语音特征和加速度计测量的数据集上训练了前馈神经网络。Targetset包含数据集的两个目标类:0和1。训练、验证和性能都很好，我已经为这个网络生成了代码。
现在，我需要使用这个神经网络来实时识别发生时的模式，并在针对以前训练的NN测试新数据集时生成0或1。但当我发出命令时：
c = sim(net, j)
其中"j“是一个新的dataset24x11；而不是0或1，我将其作为输出(我假设我获得了正确分类的百分比，但没有分类结果本身)：
c =
Columns 1 through 9
0.6274 0.6248
浏览 3提问于2013-01-05得票数 4
回答已采纳
2回答
我曾试图为这个问题寻找一个简单的答案，但所有的解释都是针对那些能够理解数字方法和政策制定和评价的人。我有计算机科学背景，所有的论文都像是行话。我已经了解并使用机器学习算法来处理与图像或普通表格数据(具有输入特性和目标类)相关的分类和回归问题。我也使用了神经网络，但只是作为一个黑匣子生产所需的输出，给一些输入，并调整参数，以获得最佳的精度。
我不明白，如果给出一个PDE来解决，什么是输入到一个神经网络时，训练了一些例子？在机器学习语言中，示例是什么，输入的特点是什么？参数是什么？
任何帮助，以了解这一点，将不胜感激。
浏览 0提问于2019-11-24得票数 0
回答已采纳
2回答
由于许多论文都描述了神经网络可以预测股票回报，所以我也开始研究这种方法。我无法精确地训练NN，即使在训练数据集上，我的预测也不匹配。我使用技术指标作为输入，将未来10天的最大值作为目标向量，但经过训练的神经网络即使对于训练数据集也无法预测精确值。我认为输入和输出数据之间存在一些不匹配。任何解决这一问题的想法，或者在连续值目标向量的情况下，作为输入的技术指标与目标向量之间的关系。
浏览 2提问于2012-03-07得票数 2
我正在学习。
我注意到他们使用了可以接受非数字y_train值的PassiveAggressiveClassifier。我知道在自然语言处理(NLP)中，我们需要将字符串训练文本转换为数字数组作为训练输入，以便神经网络模型可以接受，但为什么训练目标不需要转换为数字？还有哪些模型可以作为非数值型的训练目标？
#Initialize a PassiveAggressiveClassifier
pac=PassiveAggressiveClassifier(max_iter=50)
pac.fit(tfidf_train,y_train)
浏览 2提问于2019-10-09得票数 0
神经网络学习逼近期望的输出，因此可以使用未知的测试集，并根据其各自的类别对每个测试示例进行分类。例如，神经网络可以学习对手写数字进行分类，并将手写的' 9‘识别为值9。
神经网络如何将训练样本的输出与期望的输出进行比较？在神经网络的结构中，期望输出的编码是什么？
浏览 0提问于2014-10-21得票数 1
回答已采纳
1回答
我在阅读有关神经网络的文章时发现：“多状态标称变量更难处理。ST神经网络具有转换两状态和多状态标称变量的功能，以便在神经网络中使用。不幸的是，具有大量状态的标称变量将需要大量的数值变量进行1/N编码，这会增加网络规模，并使训练变得困难。在这种情况下，使用单个数值索引对标称变量建模是可能的(尽管不令人满意)；更好的方法是寻找一种不同的方式来表示信息。”
这正是我在构建输入层时所发生的事情。One-of-N编码使得模型的设计变得非常复杂。然而，上面提到你可以使用数字索引，我不确定他/她是什么意思。表示信息的更好方法是什么？神经网络可以解决具有多状态标称变量的问题吗？
参考资料：
浏览 1提问于2016-05-27得票数 1
1回答
据我所知，DQN代理的输出与操作(对于每个状态)一样多。如果我们考虑一个具有4个动作的标量状态，那就意味着DQN将有一个4维的输出。
然而，当涉及到用于训练代理的目标值时，通常将其描述为标量值=奖励+ discount*best_future_Q。
如何利用标量值训练具有向量输出的神经网络？
例如，请参阅https://towardsdatascience.com/deep-q-learning-tutorial-mindqn-2a4c855abffc中的图像
📷
浏览 0提问于2021-03-28得票数 2
1回答
我正在使用GENSIM (word2vec)训练一个单词嵌入，并在KERAS的神经网络中使用训练好的模型。当我有一个未知(词汇表外)的单词时，就会出现问题，因此神经网络不再工作，因为它无法找到该特定单词的权重。我认为解决这个问题的一种方法是将一个新单词(<unk>)添加到具有零权重(或随机权重？)的预训练单词嵌入中。哪个更好？)这种方法可以吗？此外，对于这个词嵌入，权重在这个神经网络中是不可训练的。
浏览 18提问于2020-12-19得票数 1
我的情况是，我有一个包含747个节点(作为输入)的excel文件，每个节点都有一个值(假设有747列浮点数)，输出的值是741个值/列，再次是浮点数。这些基本上是地质模拟的输入和输出。因此，一行有747(输入)+741(输出)= 1488个浮点数，这是一个数据集(来自一次模拟)。我有4个这样的数据集(行)来训练神经网络，这样当我在3个测试数据集(747列)上测试它们时，我得到了741列的输出。这只是一次简单的运行，使神经网络的骨架在进一步修改之前运行。
我遇到过NYCTaxi ()的多目标回归示例，但我似乎可以理解它。
这是训练集(Input the and including column
浏览 5提问于2019-11-21得票数 0
1回答
我开始学习神经网络，我刚刚做了一个程序，学习如何准确地识别手写数字(通过反向传播训练)。现在，我希望能够看到网络认为一个完美的数字是什么样子(基本上是得到一个像素数组，它产生一个所需的数字，但不是从数据集中得到的)。我的研究结果是空白的，但我在另一个网站上发布，并建议考虑反向传播到输入。我没有多少数学背景，所以有人能为我指出如何实现这个目标的正确方向(或者其他实现我目标的方法)吗？
浏览 4提问于2015-08-14得票数 4
回答已采纳
3回答
假设我训练了一个Skip模型(Word2Vec)，用于我的词汇量为10,000。表示允许我将维数从10,000 (一次热编码)降到100 (神经网络隐层的大小)。
现在，假设我的测试集中有一个单词不在我的训练词汇表中。在100维空间中，单词的合理表示是什么？对我来说，我似乎不能用我训练出来的神经网络来产生嵌入这个词。
浏览 0提问于2019-07-01得票数 4
1回答
我是新的神经网络，并试图建立一个超简单的神经网络超过一个隐藏层。
在神经网络训练阶段调整权值时，权值的调整程度部分取决于该神经元对下一层神经元的“误差”程度。因此，我们需要知道下一层的错误。
只需要一个隐藏层就可以计算出这一点，因为我们的训练数据已经为我们提供了预期的输出，所以我们只需要使用输出层(简单地说，目标输出)。当存在多个隐藏层时，计算误差就变得非常重要。也就是说，如果我们有10个隐藏层，而我们位于第5层，我们如何知道第6层的错误是什么？
谢谢
浏览 5提问于2017-04-22得票数 5
回答已采纳
1回答
作为项目的一部分，我正试图慢慢开始开发一个Twitter推荐系统，这需要我使用某种形式的深度学习。我的目标是基于带有未标记数据的推文的主题内容来推荐其他推文。
我已经对我的数据进行了预处理，并在doc2vec中训练了一些模型的变体，以获得单词嵌入和文档嵌入。但我的问题是，我感到有点迷茫，不知道下一步该怎么做。我读到过，doc2vec可以用作更深层次的神经网络的输入以进行训练，例如LSTM甚至是CNN。
谁能帮助我理解这些文档嵌入(和单词嵌入，我在DM模式上训练了模型)是如何用作输入的，在这种情况下，神经网络的目的是什么，它是为了聚类吗？我知道这个问题有点开放式，但我对这一切都很陌生，任何帮助都
浏览 5提问于2018-12-14得票数 0
3回答
我在使用Matlab神经网络工具包实现多层感知器时遇到了一个问题。
我尝试实现神经网络，它将识别存储为二进制图像(大小为40x50)的单个字符。将图像转换为二值向量。输出采用6位编码。我以这种方式使用简单的newff函数(隐藏层中有30个感知器)：
net = newff(P, [30, 6], {'tansig' 'tansig'}, 'traingd', 'learngdm', 'mse');
然后，我用三种不同字体的十几个字符训练我的网络，训练参数如下：
net.trainParam.epochs=10000
浏览 0提问于2011-12-20得票数 2
1回答
在前馈神经网络中有可变长度输入的最常见的策略是什么？
更具体而言，请考虑以下假设情景：
我有一辆有四个感应器的车，两个在左边(接近和颜色)，两个在右边(也是接近和颜色)。
有两个执行器(假设左和右)。
我成功地训练了一个神经网络，将两组输入(4个神经元接近/颜色)与输出集(2个神经元表示方向)联系起来。
现在的问题是，我如何标尺它：
同一类型传感器/执行器(例如，50)的固定上限；甚至是
任意数量的传感器/执行器？
P.S.：我的直觉是，我需要一种形式的神经网络来作曲，但我一点也不知道从哪里开始。
浏览 0提问于2013-03-04得票数 0
3回答
我已经创建了一个神经网络，性能很好。通过使用nprtool，我们可以使用输入数据和目标数据来测试网络。我的问题是，用提供的目标数据测试神经网络的目的是什么？难道测试不应该有目标数据，这样我们就可以知道训练好的神经网络在没有目标数据的情况下能做得多好？希望有人对此作出回应，谢谢=)
浏览 1提问于2012-09-28得票数 2
回答已采纳
在训练神经网络时，内部层和内部节点的默认数目是多少？
我的数据有62个观测数据和大约200个预测器。我有一个有两个类的目标变量，实现了一个不重复的一个内部层和一个内部节点的神经网络。另外，我尝试了两个内部层，其中5个内部节点在一个，2个内部节点在第二层。我想要找到的准确性，首先，对默认值，然后我将尝试优化模型的性能。
在神经网络训练模型中，选择层数和内节点数的标准是什么？在随机森林的情况下，我们可以选择大致相等于预测器数目的平方根。
浏览 0提问于2017-08-12得票数 4
回答已采纳
1回答
神经网络的问题
、、
我在使用神经网络时遇到了一些问题。我对隐藏层使用非线性激活函数，对输出层使用线性函数。在隐藏层中增加更多的神经元应该会增加神经网络的能力，使其更适合训练数据/在训练数据上具有更少的误差。
然而，我看到了一个不同的现象。即使在训练集上，添加更多的神经元也会降低神经网络的准确性。
这是平均绝对误差随着神经元数量的增加而变化的图表。训练数据的准确性正在下降。这可能是什么原因呢？
是不是我使用的matlab的nntool将数据随机分成训练集、测试集和验证集，用于检查泛化而不是使用交叉验证。
此外，我可以看到许多-ve输出值添加神经元，而我的目标应该是积极的。这会是另一个问题吗？
我无法在这里解释
浏览 3提问于2013-09-05得票数 1
1回答
我读过的文章很少有人说没有必要没有。输出层中的单位= no。为什么有些人说他们应该是平等的。
我的问题是
如果没有。神经元= no。在课堂上。如何将类映射到输出层中的每个神经元/单元。详细说明神经网络是如何决定哪个神经元/单元处理哪个类的。
在使用tensorflow训练神经网络后，使用输出层和no中的softmax对多类分类问题进行训练。输出层中的单位= no。在课堂上。当我在测试样本上使用这个经过训练的网络时，输出是每个类的概率数组。如何将数组的第一个元素表示哪个类。
如果没有。单位不等于不。对于多类问题，某些类可以共享这样一个示例的链接。
浏览 0提问于2020-07-19得票数 0
我有不同人群的保险费用数据集。我训练了一个神经网络，根据其他特征(年龄、bmi等)预测保险成本(费用栏)。下面是我的nn的工作原理：
insurance_model.compile(
loss=tf.keras.losses.mae,
optimizer=tf.keras.optimizers.Adamax(learning_rate=0.001),
metrics=["mae"]
)
以下是我的目标特性的一些统计数据(收费栏)
📷
以下是收费栏值的柱状图：
📷
我基于mae (平均绝对误差)对我的神经网络进行了评估，并在最后对训练数据集和测试数据集进行
浏览 0提问于2021-11-21得票数 1
2回答
假设我有一个数据集，我想用神经网络和支持向量机进行训练。在训练后的数据集中，神经网络是否会过度适应，而支持向量机则不会？就像一个数据集对一种训练算法来说是否过分适合，而不太适合另一种训练算法吗？有可能吗？或者如果它不适合于一种训练算法，那么可以假设它也不适合其他的训练算法？
浏览 0提问于2016-08-08得票数 0
回答已采纳
1回答
我有一堆包含连续数据的文档，我想用它们来训练神经网络。这是一个收集的信件，每个约2-3000字符长.我的任务是，给出这样一封信的节选，我希望我的网络能以和信一样的风格输出可信的文本。
将我的数据呈现给神经网络的最好方法是什么？
我在教程中看到的一种方法是将所有的字母连接成一个长的文本序列，并让网络对其进行训练。但是，有些训练序列将包含来自多个字母的文本。假设一个字母长500个字符，训练序列长度为150，那么该字母中的最后一个训练序列将包含来自该字母的50个字符和来自随后一个字母的100个字符。我怀疑这会把网络搞混。
另一个想法是在每个字母之间插入一个字母标记的结尾，然后将它们连接起来。但是再一
浏览 0提问于2020-06-06得票数 1
1回答
我想要建立一个神经网络，以一组单词和数值作为输入，一个数值作为输出。
为此，我认为最合适的解决方案是对词组使用Word2Vec算法，以便获得嵌入，然后使用它们和其他输入/输出训练神经网络(可能是LSTM神经网络)。
但是如何做到这一点呢？由于每个单词都有一个权重向量(多亏了Word2Vec算法)，如何训练神经网络来预测数值(换句话说，回归)？或者至少，我如何将这个权重向量转换为有意义的数值？(我实际上不知道如何将数值向量和“简单”数值一起训练成神经网络。)
我试图在Web上检查这些概念，但我没有找到与我的目的非常相关的文章。其中一些是：
logistic回归的-Word嵌入
-
-
浏览 0提问于2018-07-04得票数 1
当使用tensorflow训练神经网络时，我可以任意设置损失函数。在训练支持向量机时，有没有办法在sklearn中做同样的事情？假设我想让我的分类器只优化灵敏度(不管它的感觉如何)，我该怎么做呢？
浏览 17提问于2019-12-09得票数 0
回答已采纳
1回答
我在R中使用nnet软件包训练人工神经网络。有些人说训练集中的每一种情况都分配了权重，而有些人则说没有。重量等于no。神经网络结构中的连接。我不明白这点。有人能帮我吗。
我看了nnet的R代码。
在下面的nnet代码中，权重和Wts之间有什么区别？
nnet(x, y, weights, size, Wts, mask, linout = FALSE, entropy = FALSE, softmax = FALSE, censored = FALSE, skip = FALSE, rang = 0.7, decay = 0, maxit = 100, Hess = FALSE, trace
浏览 0提问于2017-03-16得票数 0
1回答
我有3个不同的波长信号作为输入来预测单个输出。顺便说一句，我为每个信号提取了9个特征。现在，我正在用Matlab训练分类神经网络。我想使用30个信号数据集(每组包含3个不同的波长)来分类为3类。我的输入矩阵应该是什么？我尝试在其中创建一个包含3个不同信号的单元格，但nprtool无法使用它。请帮帮我，我是新手，对神经网络也不熟悉。
浏览 6提问于2018-10-13得票数 0
我想使用gensim word2vec作为神经网络的输入。我有两个问题：
1) gensim.models.Word2Vec获取大小作为参数。这个参数是如何使用的？大小是什么？
2)一旦训练完毕，gensim word2vec的输出是什么？正如我所看到的，这不是一个概率值(不是在0和1之间)。在我看来，对于每个单词向量，我们可以得到这个单词与其他一些单词之间的距离(cosinus) (但到底是哪些单词呢？)
感谢您的回复。
浏览 1提问于2017-01-03得票数 1
我有一个有5个输入和一个输出的数据集。我想用MATLAB中的神经网络建模来训练这个数据集。当我在没有进行标准化的情况下输入数据时，1e+3附近的均方误差非常大。但是，当我对输入数据进行归一化时，输出误差变为1e-4左右。因此，据我所知，规范化是一项重要的任务。
我的两个问题：
1-在训练过程之前，我的实际目标(输出)在[0 1000]或[50 800]的范围内，但在归一化之后，由于归一化，神经网络给出了[0 1]范围内的值。我的意思是，我不能在我的实际范围[0 1000]或[50 800]中获得任何值。如何将神经网络的输出转换为其在[0 1000]或[50 800]范围内的正确目标？这样做合乎
浏览 2提问于2014-01-15得票数 0
根据我的理解，在深度Q学习中，为了训练NN，代理将经验存储在缓冲区(重放内存)中，每个体验包含：
e = <s,a,r,s'>
在训练模型时，输入目标神经网络中的S，选择动作a的Q值，然后在预测网络中输入S值，取最大Q值(然后用奖励r.)计算损失。
我的问题是，如果我们总是以最大q值进行操作，那么为什么我们要将动作a存储在目标网络中并取其q值。
行动的数据不是多余的吗？
浏览 0提问于2022-01-08得票数 0
回答已采纳
1回答
假设我想训练一个伪随机词(不是字典的一部分)的神经网络，这样我就不能使用word2vec了。如何使用tensorflow来表示单词中的每个字符？
浏览 0提问于2016-07-15得票数 0
回答已采纳
1回答
我是MATLAB的新手，对创建和训练神经网络的MATLAB代码有问题。举个例子，
x = [0 1 2 3 4 5 6 7 8];
t = [0 0.84 0.91 0.14 -0.77 -0.96 -0.28 0.66 0.99];
net = newff(x',t',5,{'tansig', 'purelin'});
net = train(net,x',t');
我需要知道的是两个向量x和t之间的关系。我知道x是输入向量，t是目标向量。但是这组x值和t值之间的关系是什么呢？神经网络是否有9个输入节点，将向量x中的值作为输入值
浏览 0提问于2014-05-20得票数 0
1回答
我已经训练了一个用于说话人识别的深度神经网络(对64个不同的说话人进行训练)，.Next，我想从模型中添加或删除一个说话人。谁能帮我解决编码部分如何做到这一点，因为我是新的语音识别。即使是有人知道的任何一篇研究论文也会有帮助。
附注：如果我在预先训练的模型上使用一个新的数据集，那么我需要在新的64位演讲者上再次训练该模型。考虑到我只是想增加或删除1或2发言者，这是如何实现的？
浏览 8提问于2021-12-16得票数 0
当创建一个多目标优化/MCDM算法(如NSGA-ii )时，使用一个在监督下的表格回归预测任务上训练的深层神经网络代替一个简单的目标函数方程是否有意义？
在Keras中用model.predict()函数代替非线性方程是否可能或有利，从而能够建立更复杂的目标函数？
我在nsga-ii中使用皮莫。
浏览 0提问于2020-03-11得票数 0
4回答
我一直在研究一个基于神经网络的分类系统，它接受文档向量作为输入。我不能真正谈论我专门训练神经网络的内容，所以我希望得到一个更全面的答案。
到目前为止，我一直使用的单词向量(特别是来自R的gloVe包的text2vec函数)都是目标向量。到目前为止，我还没有意识到word2vec培训产生了上下文向量，坦白地说，我不知道它们到底代表了什么。(这不是主要问题的一部分，但如果有人能向我提供关于上下文向量的用途和它们所做的工作的资源，我们将不胜感激)
我的问题是，这些上下文词向量在任何类型的分类方案中有多有用？我是不是错过了输入神经网络的有用信息？
从质的角度来说，这4项计划又如何呢？
只有目标词向量。
浏览 0提问于2020-07-21得票数 4
在自组织映射方法中，每个输出单元称为神经元.但是，在阅读了算法的细节之后，我找不到任何逻辑回归单元，即神经网络体系结构中的神经元。我发现它更接近于find等聚类算法。
有什么解释吗?为什么SOM单位被称为神经元？以及为什么它与神经网络相关联(而ANN做的工作则完全不同，即分类)
P.S.：在本文(https://ieeexplore.ieee.org/document/6007170/)中，SOM被称为人工神经网络。以下是摘要中的一句话：
SOM是一种人工神经网络，它使用无监督数据进行训练，在单元图中生成训练样本输入空间的低维离散表示。
浏览 0提问于2018-06-04得票数 1
回答已采纳
1回答
我有一个2层神经网络，我正在训练大约10000个特征(基因组数据)，在我的数据集中有大约100个样本。现在我意识到，每当我运行我的模型(即编译和拟合)时，即使我保持训练/测试/验证分离不变，我也会得到不同的验证/测试精度。有时在70%左右，有时在90%左右。
由于神经网络的随机性，我预计会有一些变化，但这些强烈的波动会不会是其他东西的信号？
浏览 18提问于2020-10-26得票数 0
2回答
我正在尝试用图神经网络方法进行节点分类。我最初的计划是将我的图表转换成邻接矩阵，并在此基础上对我的网络进行训练，我的目标是节点特性。
但是，我的图都有不同的节点数，所以我相信邻接矩阵不会工作。然后，我找到了有关生物学中的节点嵌入和应用程序的信息(参见这里)。在这里，它推断嵌入节点不再取决于图的大小。
我想知道的是，是否使用嵌入实际上是解决问题的方法？那么，实际上，如何用这种方法建立一个图形神经网络呢？链接(在第2部分的幻灯片中)仍然说我需要训练我的网络来学习嵌入式，但是现在我有了我最初的问题，我如何在许多不同大小的图表上训练网络呢？
在大小不同的小图上进行节点分类似乎有些常见。我感到有点困惑的
浏览 0提问于2020-01-30得票数 3
1回答
试着从一些博客和文本中学到强化学习的基础知识。请原谅，如果这个问题太基本，而且我理解的不同的地方有点混乱，但即使在查阅了一些参考资料之后，我也无法真正了解用神经网络进行深度Q学习是如何工作的。
我这样理解Bellman方程
V^\pi(s)= R(s,\pi(s)) + \gamma \sum_{s'} P(s'|s,\pi(s)) V^\pi(s')
以及Q表的更新规则。
Q_{n+1}(s_t, a_t)=Q_n(s_t, a_t)+\alpha(r+\gamma\max_{a\in\mathcal{A}}Q(s_{t+1}, a)-Q_n(s_t, a_t)
浏览 0提问于2022-04-19得票数 2
回答已采纳
1回答
我有一个前馈神经网络，他的目标是学习如何玩一个游戏(例如，连接4)。我想通过和自己玩游戏来训练我的神经网络。
我的问题是，我不知道如何训练我的神经网络。如果我有另一个好的算法来决定一个给定的板的最佳移动，在我的脑海中，它会更容易，但我不想使用这种方式。
所以，我不知道移动是否是好的一步，我只知道哪一位玩家赢了(神经网络同时扮演两位玩家，但我知道是第一位还是第二位)，以及在比赛中的动作。
目前，我在Go中编写了一个程序，它初始化了一个神经网络，可以检查连接4的板是否成功，根据板计算出神经网络的输出，你可以使用神经网络，或者让它自己玩。对我来说，我只需要一个在游戏结束时训练我的神经网络的函数？这就
浏览 1提问于2016-07-06得票数 0
回答已采纳
1回答
基于神经网络的手写体分词
、、、、
所以我要做的就是把手写的英文草书单词分割成单独的字符。我在人工智能中应用了一种简单的启发式方法，对单词进行了基本的过度分割，如下所示：
我正在用Matlab对此进行编码。该方法包括预处理、倾斜校正大小归一化等，然后将笔画细化到1像素宽度，并使用图像的像素列和来识别图像中存在的连字。像素和低于阈值的每一列都是可能的分割点。问题是，像“u”，“v”，“m”，“n”和“w”这样的开放字符也具有较低的像素列和，并被分割。我使用的方法是本文中介绍的方法的修改版本：
现在为了改进这种安排，我必须使用神经网络来纠正这些分割点，并将它们识别为糟糕的分割。我将为此编写一个'newff‘函数，
浏览 2提问于2016-05-02得票数 1
1回答
我已经训练了一个由数百个特征组成的深度神经网络，它分析一个城市的地理数据，并根据观察者和目标位置之间的概况计算每个样本的得分。也就是说，观察者和目标之间的距离越长，这个样本的特征就越多。当我用一个城市的部分样本训练我的NN，并用同一城市的其他部分进行测试时，NN工作得很好，但当我将我的NN应用到其他城市时，NN开始给出很高的误差标准差，特别是在我应用NN的城市的样本通常比我用来训练该NN的城市的样本具有更多特征的情况下。为了解决这个问题，我在训练中添加了10%的空样本，这能够将误差减少一半，但与手动计算的解决方案相比，剩余的误差仍然太大。我可以得到一些推广回归神经网络的建议吗？谢谢!
浏览 0提问于2019-02-02得票数 1
我试图在r的神经网络包的神经网络()函数中分配起始权重。
set.seed(111)
neuralModel <- neuralnet(medv ~ crim+zn, hidden = 1, startweights = c(8,5), train_data)
但输出显示
警告信息:一些权重是随机生成的，因为“startweights”没有包含足够的值。
并给隐层神经元分配随机权值。我的训练数据集有500行。我应该分配500个权重吗？
浏览 4提问于2017-05-22得票数 1
1回答
当LSTM状态被重置时
、、、
我正在尝试使用tensorflow实现一个LSTM神经网络来进行关键字检测。我给神经网络输入了400ms的序列。然而，在训练期间，我不希望LSTM在尝试学习序列6时记住序列1。那么，如何在训练期间重置LSTM的状态呢？outputs, state = rnn.rnn(cell, inputs, initial_state=self._initial_state)参数中的initial_state是否允许在输入整个批次后重置LSTM的内存？
我试图通过这个链接来理解它的实现：
浏览 13提问于2016-08-01得票数 1
我在Tensorflow上训练一个神经网络，我使用tf.losses.cosine_distance作为损失函数。
训练进展顺利，但我担心的是，在训练过程中，我的损失值大于1。余弦距离(如果输入张量被归一化为1)，应该总是小于1的值吗？损失是如何计算的？是一批损失的总和吗？
浏览 1提问于2018-01-05得票数 4
回答已采纳
1回答
我正在训练一个神经网络来识别水果(苹果)的图像。我已经拍摄了120张8x8大小的照片，其中40张是正片，其余的是负片。所以我的输入是64x120，我的目标向量是1x120。但是我的目标向量中的值是什么呢？我如何分配它？以前，我已经指定target = 1x120矩阵(前40列=1，后80列= 0)作为前40个正图像。这是正确的吗？
浏览 11提问于2016-08-18得票数 0
现在，我在300维空间中有10M个数据点，等待还原成2D空间。我知道一些降维算法，如t、多核t、Q、umap、largevis.然而，对于如此大规模的数据来说，它们太慢了。我认为以下的想法可以减轻这个问题：
简单的10%数据，应用DR算法得到每个数据的(300 d，2d)对，并将其作为训练数据。利用训练数据训练一个深度神经网络，将300 d到2d的映射应用于其余90%的数据。
这是否一个可行的想法？你知道有类似想法的作品吗？对于建立这样一个神经网络，有什么建议吗？
浏览 1提问于2020-02-05得票数 0
1回答
我试着用matlab训练一个神经网络，首先我建立了如下的神经网络
net = feedforwardnet([30 20 20 ]);
[net ,tr] = train(net , XTRAIN , temp);
它产生具有以下结构的ANN：
然后对我的神经网络进行如下测试
outputsOfTest = sim(net , XTEST);
outputsOfTest是一个向量，表示神经网络测试的输出，通常outputsOfTest的某些元素是负值，例如outputsOfTest将类似于这个[-.34 1.17 .17]。
那么如何解释这个输出呢？负值表示什么？基于此输出，测试数据属
浏览 4提问于2015-04-03得票数 1
1回答
神经网络训练算法
、、
当我第一次读到神经网络时，我了解到反向传播是用来训练神经网络的算法。我感兴趣的是是否还有其他的选择(或者更好？)呼叫BP。
神经网络中使用的其他训练算法是什么？BP是最好的吗?这就是为什么几乎每个人都用它来训练神经网络模型吗？
浏览 0提问于2018-11-03得票数 1
回答已采纳
我的目标是预测客户流失。我想利用强化学习来训练一个递归神经网络，它可以预测输入的目标响应。
我理解状态在每一次都由网络输入来表示，但我不明白如何表示操作。神经网络是否应该通过一些公式来决定权重的取值？
此外，当我们不知道每个输入神经元的目标反应时，我们应该如何创造奖励或惩罚来教导神经网络的权重呢？
浏览 4提问于2016-05-21得票数 0
我正试着去理解(和想象)一个时代对于培养一个神经网络来说到底是什么。
我们有一套训练集，包括7,000种产品，其中有10种特征(输入)。根据这10种输入，这些产品必须分为7类。
我们的人工神经网络有10个输入，进入一个由10个神经元组成的输入层。这些神经元依次进入一个有8个神经元的隐藏层。输出层有7个神经元。
在这种情况下，我如何想象/理解一个时代？
sidenote:我正在用MATLAB写这个(我知道ANN工具箱)
浏览 5提问于2014-09-17得票数 5
回答已采纳
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
实时音视频
云直播活动推荐
腾讯云开发者
