2回答
原始类输出为:0 预测: 0.8230114358069576原班输出为:1 预测: 0.8229532575410421原班输出为:1 预测: 0.23349671680470516原始类输出为:0 当我绘制误差图时(对于每个时期)，我的图显示了一个陡峭的下降，然后是一个轻微的“凹凸”，我的印象是误差会逐渐减少： Errors (summed) vs Epoch 这会被归类为收敛吗？
浏览 15提问于2021-04-01得票数 2
# adding gives +ve theta我绘制了成本函数的图表。在训练之后，它给了我一些重量。当我在图上绘制回归线时，它根本不适合数据。我还在学习这些东西，我不确定我的实现是否正确。而且，我的学习率真的很低。我见过不低于0.001的学习率。
浏览 3提问于2017-05-25得票数 0
1回答
history.history['loss'])
plt.show()我尝试将激活函数更改为relu和tanh，并调整了超参数以确保损失收敛，但没有效果。还有其他方法可以提高神经网络的性能吗？
浏览 1提问于2020-04-12得票数 1
回答已采纳
1回答
这个地块是通过遍历每一个验证数据的滴答(白色)，将30\4\60(南希·凯茜·维恩)以前的滴答送到网络上，并绘制它在当前滴答位置上的预测结果。多层感知器的设置(南希·凯西·韦恩设置)：历数:10×5×10动量:0.5-0.9-0.5损失:平方误差似乎随着更多的训练应用-预测正在收敛到某种平均线，这不是我所期望的。我原以为预测会在一定程度上接近验证数据，但有一定的误差</e
浏览 0提问于2016-10-06得票数 7
回答已采纳
我正在用TensorFlow构建一个简单的多层感知器，我还需要在神经网络输入时获得损失的梯度(或误差信号)。然而，tf.gradients()极大地降低了性能十倍或更多。如何使这更快，或者有没有其他方法来计算损失w.r.t的梯度。输入？
浏览 3提问于2016-03-27得票数 11
回答已采纳
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1和0。那么，我是不是漏掉了什么？
浏览 3提问于2012-03-07得票数 7
回答已采纳
1回答
在模板图像上训练卷积网络
、、、
我在完整图像的“剪切图”上训练它，它要么在图像中间有一个圆圈(正训练样本)，要么没有(负训练样本)。，而不是仅仅对两种类型的输入图像(圆形或不在中间)进行分类。为了训练它，我使用输出图像和2D高斯滤波器()之间的均方误差作为正训练样本，将图像和值为-1的均匀矩阵之间的均方误差用于负训练样本。理想情况下，这将导致CNN收敛到图像和图像上，对于正训练样本，该图像类似于中间的高斯峰值，对于负训练样本，该图像一致为-1。
然而，网络一直在收敛于一个“让一切为零”的通用解决方案。这不会最小化均方<
浏览 7提问于2016-08-15得票数 1
我目前正在研究一个高度不平衡的多类分类问题。我想把我的模型权值保存到最好的时期，但是我不知道我应该选择哪一种度量？
我在tf.keras中使用tf.keras回调和监视val_loss作为一个度量来保存最佳模型权重。
浏览 4提问于2020-05-24得票数 1
与此同时，也有人说"XOR不是一项微不足道的任务，我们应该使用具有2-3层或更多层的网络“。为什么？
来吧，如果XOR产生了这么多问题，也许我们不应该把它当作神经网络的“你好世界”？
浏览 2提问于2018-03-04得票数 2
1回答
我一直试图用带平方误差和的随机梯度下降作为代价函数，使用前馈反向传播算法建立一个神经网络，它能够表示这些训练数据：所以我的问题是，我所观察到的“异常”是因为激活函数的错误选择，还是由于学习速度的选择，还是简单的错误的实现？
浏览 1提问于2016-10-10得票数 2
回答已采纳
3回答
感知器学习算法的参数整定
、、、
我遇到了一个问题，试图找出如何为我的感知器算法调优参数，这样它就能在看不见的数据上表现得比较好。至于迭代次数，我不完全确定如何确定一个理想的数。
浏览 5提问于2010-05-04得票数 11
3回答
plt.plot(w,myList2,label="test error")plt.show()编辑:我使用的数据集是，其中我去掉了少于1000个实例的类。我手动重新编码了litteral数
浏览 2提问于2017-08-28得票数 24
如果我们有10个特征向量，那么我们可以在输入layer.If中有10个神经节点，我们有5个输出类，那么我们可以在输出layer.But中有5个节点，选择一个多层规划中隐含层数的标准是什么，以及在1个隐藏层中有多少个神经节点
浏览 8提问于2012-05-13得票数 107
回答已采纳
2回答
我查阅了几篇参考文献，但关于小批量或大批量是否能获得更好的性能，似乎存在相互矛盾的结果。在这种情况下，会发生什么情况？
编辑:我还添加了训练数据集和测试数据集的识别率的图表。
浏览 0提问于2017-08-02得票数 3
7回答
支持向量机与神经网络
、、、
支持向量机和神经网络有什么区别？线性支持向量机是否真的是相同的神经网络，对于非线性可分离问题，神经网络使用添加隐藏层，支持向量机使用变化的空间维度？
浏览 3提问于2012-01-23得票数 35
回答已采纳
2回答
我正在玩一个玩具例子来理解PCA和keras的自动编码器。import numpy as npfrom mpl_toolkits.mplot3d import Axes3Dfrom sklearn import datasets
X = iris.datapca.fit(X)
pca.exp
浏览 3提问于2017-08-16得票数 4
回答已采纳
8回答
我理解用正反两种方法训练梯度下降的神经网络的所有计算步骤，但我试着思考为什么它们比logistic回归更好。( A)神经网络可以学习它自己的参数有人能解释为什么神经网络在一般情况下工作得这么好吗？我是一个相对初学者。
浏览 11提问于2016-07-26得票数 11
回答已采纳
13回答
我一直在读一些关于神经网络的东西，我理解单层神经网络的一般原理。我理解附加层的需求，但为什么要使用非线性激活函数？
浏览 5提问于2012-03-20得票数 167
回答已采纳
感谢各位朋友们分享学习经验与方法，也欢迎大家持续补充呀~在这个日新月异的互联网时代，新技术层出不穷，已有技术的更新频率也非常地快，甚至有人调侃地说“新技术的出现速度远大于个人的学习速度”。
浏览 1651提问于2023-08-28
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
