1回答
多层多激活函数(神经网络)
、、、、
我的神经网络有一个二进制分类问题。 我已经使用隐藏层中的ReLU激活函数和输出层中的sigmoid函数获得了很好的结果。现在，我正在努力获得更好的结果。我用ReLU激活函数添加了第二个隐藏层，结果变得更好。我尝试对第二个隐藏层使用leaky ReLU函数，而不是ReLU函数，并获得了更好的结果，但我不确定是否允许这样做。隐藏层1: ReLU激活函数隐藏层2:泄漏ReLU激活函数隐藏
浏览 29提问于2021-05-02得票数 0
回答已采纳
1回答
如果我们有一个神经网络，比如多层感知器反向传播神经网络，它使用了σ逻辑激活函数，是否有可能将网络输出提供给它，并让它重新计算一组输入？由于我们可以通过使用自然对数和逆操作来反转激活函数，直到我们有一个由所有权重乘以其输入组成的和值，因此我认为至少可以获得将生成指定输出值的可能输入集。
浏览 2提问于2011-07-28得票数 16
回答已采纳
对于上下文，在本论文中
针对梯度问题，提出了长时记忆(LSTM) 10、18和门控递归单元(GRU) 5等神经网络变量。然而，在这些变体中使用双曲的棕褐色函数和乙状体函数作为激活函数，会导致层间的梯度衰减。因此，构建和训练一个基于深度LSTM或GRU的RNN网络实际上是很困难的.相反，使用不饱和激活函数(例如relu )的CNNs可以叠加成一个非常深的网络(例如，使用基本卷积层的20多层和具有剩余连接的100多层)。
浏览 0提问于2019-01-18得票数 3
据我所知，当训练神经网络时，当每个激活函数的梯度小于1时，当校正反传到多层时，这些梯度的乘积变得非常小，就会出现消失梯度问题。我知道还有其他的解决方案，比如整流器激活函数，但我的问题是，为什么我们不能简单地使用经常使用的tanh函数的变体。
如果激活函数为\tanh(n x)形式，则最大可能梯度为n。这样的激活函数会失败，有什么原因吗？
浏览 0提问于2019-05-07得票数 7
2回答
神经网络中激活函数的确定
、、、
我使用前馈，反向传播，多层神经网络，我使用乙状结肠函数作为激活函数，其范围为-1到1。但是最小误差不低于5.8，而且我想少一点，你可以在100000次迭代后看到输出。
我认为这是因为我的输出范围在1以上，乙状结肠函数的范围只有-1到1。有人建议我如何克服这个问题，因为我想要的输出范围是0到2.5。建议我哪种激活功能最适合这个范围。
浏览 2提问于2014-03-06得票数 0
回答已采纳
1回答
我一直试图从零开始学习神经网络(在Python中)。无论他们谈论什么神经网络，我都不知道神经元的激活意义，我需要理解激活的基本含义。它像激活的-非激活的布尔值吗？偏见的定义说它有助于补偿神经元的激活。那么我们是否需要一个激活函数呢？
浏览 0提问于2021-01-08得票数 -2
在机器学习中，通常使用激活函数(如tanh、sigmoid或ReLU )将非线性引入到神经网络中。这些非线性特性帮助网络学习输入特征和输出标签之间的复杂关系。有人能给出一个具体的例子，清楚地显示激活函数提供好处吗？
浏览 0提问于2023-03-27得票数 0
回答已采纳
我正在努力建立和训练一个多层感知神经网络，它能正确预测哪个县的总统第一次获胜。我有以下培训数据的信息。我试图使用Keras构建一个多层感知器神经网络，但是我需要一些帮助来理解一些属性，以及为这些属性选择不同选项的优点。我知道我的第一步是想出一个激活函数。我一直在研究使用乙状结肠激活函数的神经网络。乙状结肠激活功能是最好的吗？你怎么知道该用哪一种？Keras还提供了使用s
浏览 0提问于2015-12-24得票数 9
回答已采纳
这个问题是关于将神经网络的类别放在其他模型的角度上。我的问题是:是否有可能将这个数字扩展到包含(某些种类)神经网络？例如，一个简单的前馈神经网络可以看作是具有激活函数的多层逻辑回归。那么，我们可以说线性链CRF在这类中是一种特殊的递归神经网络(RNN)吗？
浏览 0提问于2018-05-31得票数 5
回答已采纳
提取每个像素的强度，然后将7x7矩阵转换为1D向量，即1x49，这是我对神经网络的输入。(我选择了这个特性作为我的输入，因为使用C和webots.访问这些信息的难度相对较小。)神经网络有可能因为数据很差而无法学习函数吗？(对于糟糕的数据，我的意思是，对应于一个类的一个样本的数据点非常接近属于另一个类或类似类的另一个样本)。或者神经网络会因为特征描述器很差而失败呢？
浏览 4提问于2014-08-08得票数 1
我们已经听说了很多关于人工神经网络相对于其他模型的优点，但是与最简单的线性模型相比，它们的缺点是什么？
浏览 0提问于2017-07-22得票数 3
回答已采纳
2回答
我正在为神经网络考试做准备。在前几次考试中，我读到神经元的激活功能(在多层感知器中)必须是单调的。ReLU坦赫Softplus为什么激活函数必须是单调
浏览 0提问于2015-12-06得票数 22
回答已采纳
1回答
嘿，伙计们，我对神经网络很陌生。我想知道如何给出神经网络隐层和输出层中节点输出的公式。我想知道下面的答案，以及你是如何做到的。我也没能在这上面找到任何可检索的阅读材料。
假设我有一个二进制分类问题。假设我有一个有一个隐层的多层神经网络。假设我有一个由f(x)=1/(1+e^-z)给出的乙状结肠激活函数。有人知道我如何找到隐藏层中节点的输出和输出层中节点的输出公式吗？
浏览 4提问于2011-04-07得票数 1
2回答
调试神经网络
、、
我使用scipy.optimize.minimize (共轭梯度)优化函数在python中建立了一个人工神经网络。
我已经实现了梯度检查，双重检查一切等等，我很确定它是正确的工作。我有兴趣了解这里发生了什么，或者我是否错误地实现了神经网络？
浏览 0提问于2014-06-11得票数 10
1回答
我知道如何从神经网络中获取值，但不确定如何使用它来选择三个操作中的一个。如果有两个动作，我会做一个简单的sigmoid函数，并使用>0.5和<0.5。
浏览 13提问于2020-06-28得票数 0
由于我在这里得到的帮助和研究，我能够用C#创建一个简单的感知器，其代码如下： int Input2 = B; double WSum = A * W1 + B * W2 + Bias;
int Sign=Math.Sign(WSum);
//upda
浏览 0提问于2013-03-28得票数 0
回答已采纳
我用神经网络来拟合这些数据，这样以后我就可以根据新的海拔测量来预测徒步旅行的速度。神经网络能否代表输入的一阶导数，从而很好地捕捉这种关系？如果爬山速度与山的曲率有关，那么表示二阶导数又如何呢？
浏览 0提问于2019-04-26得票数 4
回答已采纳
我想用深度神经网络来解决回归问题，但据我所读，它主要用于分类。我想知道为什么一个规则的卷积网络，或者一个多层感知不能作为一个线性回归，只是多层。我试着用最大池连接两个卷积层，并将一个完全连接的层连接在一起，没有激活功能，有10000 MNIST图像、100个历元和100个批次大小。采用均方误差作为损失函数，规则随机梯度下降作为优化器。因此，问题是，为什么神经网络主要用于分类，而它也可以处理回归？
浏览 0提问于2020-09-19得票数 0
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
腾讯会议
云直播活动推荐
腾讯云开发者
