无论输入如何，神经网络都会产生相同的输出
这是一个关于神经网络的特性，被称为"参数共享"。在神经网络中，参数共享是指多个神经元（或多个层）共享相同的权重参数。
回答问题之前，我先介绍一下神经网络。神经网络是一种模拟生物神经系统运作方式的计算模型，它由多层神经元组成，每层神经元接收上一层神经元的输出，并将其加权求和后进行激活函数处理，产生输出结果。神经网络可以用于许多机器学习和深度学习任务，如图像识别、自然语言处理等。
当我们说"无论输入如何，神经网络都会产生相同的输出"时，它是指在具有参数共享的神经网络中，对于相同的输入，无论其位置或顺序如何，神经网络都会产生相同的输出。参数共享可以有效地减少需要学习的参数数量，从而提高神经网络的训练速度和泛化能力。
参数共享的优势在于：
- 减少了需要训练的参数数量，降低了神经网络的复杂度。
- 可以更好地处理输入数据的局部模式，提取出特征。
- 减少了模型的存储需求，可以在有限的存储资源下运行更大的神经网络。
应用场景： 参数共享广泛应用于图像识别、目标检测和语音识别等领域。在图像识别任务中，参数共享可以有效地提取出图像的局部特征，用于目标检测任务中，可以在不同位置搜索目标。
腾讯云相关产品： 腾讯云提供了多种云计算服务和产品，其中与神经网络相关的产品是腾讯云AI Lab，其提供了丰富的人工智能开发工具和服务，包括深度学习框架、模型训练平台等，可以满足不同应用场景的需求。详情请参考腾讯云AI Lab的官方介绍：腾讯云AI Lab
希望以上答案能够满足您的要求，如果还有其他问题，请随时提问。
相关·内容
我是RL的新手，对RL的功能感到好奇。在我的理解中，RL是一种神经网络，它输入一个状态并输出每个动作的概率。训练过程是为了减少预测值和实际奖励值之间的差异(这里可能是错误的)。
然而，我的问题非常棘手。在开始时，有一个动作空间x1，x2，x3，x4，..，x5，在每一步之后，动作不能重复。换句话说，动作空间在每次迭代后都在缩小。当动作空间为0时，“游戏”结束。这个游戏的目标是获得最高的累积奖励。
我在网上搜索了一下，但没有找到任何有用的信息。非常感谢！
补充:对于不清楚的问题，很抱歉。对于经典的RL，如CartPole游戏。该操作是可重复的，因此代理正在学习每个状态下每个操作的奖励。目标是获得
浏览 38提问于2020-05-12得票数 0
回答已采纳
我最近被介绍到神经网络的神奇世界。我开始跟踪，它实现了一个NN来识别手写数字。它实现了一个3层网络(1输入、1隐藏和1输出)，并使用MNIST数据集进行训练。
我刚刚发现，具有相似层784,30,10结构的两个神经网络的权重矩阵，使用相同的数据集进行训练，是完全不同的。偏差矩阵也是如此。
一般直觉说，由于我们使用的是多个历元，并且在每个时期随机化数据，两个神经网络的权重矩阵应该收敛到相似的值。但结果却大不相同。也可能是这个原因吗？
下面是NN1的头几个权重：
[array([[-1.2129184 , -0.08418661, -1.58413842, ..., 0.14350188,
浏览 6提问于2020-05-12得票数 1
回答已采纳
1回答
我正在尝试创建一个人工神经网络来计算/分类一个/任何公式。
我最初试图复制斐波纳契序列。I利用投入：
1,2产出3
2,3产出5
3、5产出8
等等。
我想要克服的问题是，如何将可能是无限或成倍扩展的数据规范化？然后，我尝试创建一个人工神经网络来计算带有输入的斜率截距公式y= mx+b (2x+2)。
1产出4
2产出6
等等。
再说一遍，我不知道如何使数据正常化。如果我只对培训数据进行规范化，那么网络如何能够使用用于规范化的输入来计算或分类呢？
那么，是否有可能创建一个人工神经网络来计算/分类公式(( a +2b+ c ^2+3d-5e)模2)，其
浏览 2提问于2014-09-15得票数 1
回答已采纳
我一直在试图找出非线性激活函数在神经网络中的具体作用。
我知道它们会改变神经元的输出，但它们是如何和达到什么目的的呢？
我知道他们在其他线性神经网络中加入了非线性，但有什么用途呢？
他们到底对每一层的输出做了什么？是某种形式的分类吗？
我想知道它们在神经网络中的确切目的是什么。
说，“一个节点的激活函数定义了给定一个或多个输入的节点的输出。”表示，激活函数检查神经元是否“触发”。我也看过更多关于堆栈溢出的文章和其他问题，但是对于发生了什么，他们都没有给出令人满意的答案。
浏览 0提问于2019-08-02得票数 0
回答已采纳
5回答
神经网络的局部逆
、、
我有一个有N个输入节点和N个输出节点的神经网络，其中可能有多个隐藏层和递归，但首先让我们忘记这些。神经网络的目标是学习N维变量Y*，给定N维值X。假设神经网络的输出是Y，学习后应该接近Y*。我的问题是:是否有可能得到输出Y*的神经网络的逆？也就是说，当我放入神经网络时，我如何获得值X*，它将产生Y*？(或与之类似的东西)
问题的主要部分是N非常大，通常在10000或100000量级，但如果有人知道如何解决没有递归或隐藏层的小型网络，这可能已经有所帮助。谢谢。
浏览 2提问于2013-02-28得票数 7
3回答
我正在尝试使用本文中描述的方法来使算法学习一个新的游戏。
只有一个问题不直接适用于这种方法。我正在尝试学习的游戏没有固定的棋盘大小。因此，目前输入张量的维度为m*n*11，其中m和n是游戏板的维度，每次玩游戏时都会发生变化。因此，首先，我需要一个能够利用这种不同输入大小的神经网络。
输出的大小也是棋盘大小的函数，因为它有一个向量，其中包含棋盘上每个可能移动的条目，因此，如果棋盘大小增加，输出向量将会更大。
我读到过递归神经网络和递归神经网络，但它们似乎都与NLP有关，我不确定如何将其转换为我的问题。
任何关于NN架构的想法能够处理我的情况都将受到欢迎。
浏览 4提问于2018-04-05得票数 12
1回答
x1 = c(55, 60, 75, 80)
x2 = c(30, 20, 15, 23)
x3 = c(4, 3, 2, 6)
x = data.frame(x1, x2, x3)
我在R中将neuralnet package用于神经网络，如下所示：
library(neuralnet)
NN = neuralnet(x1 ~ x2 + x3, data = x, hidden = 2, threshold = 0.01)
plot(NN)
在这个图中，输出是x1，我的问题是如何获得输出的预测值(我指的是x1)，但是我使用了prediction(NN)，但是给
浏览 1提问于2016-03-16得票数 0
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
3回答
概率与神经网络
、、、
在神经网络中直接使用乙状结肠或tanh输出层来估计概率是一种好的做法吗？
也就是说，给定输入发生的概率是神经网络中乙状结肠函数的输出。
编辑
我想用神经网络来学习和预测给定输入发生的概率。您可以将输入视为State1-Action-State2tuple。因此，神经网络的输出是State2在State1上应用时发生的概率。
我希望做清楚的事..。
编辑
在训练神经网络时，我在State1上做随机动作，观察得到的State2；然后教NN输入状态1-动作-状态2应该导致输出1.0。
浏览 6提问于2010-05-07得票数 16
回答已采纳
目的:求回归线(多变量超平面)的系数。最能模拟数据的方法。我们把这个叫做w
在以下方面有何区别：
1)使用MAP估计：w=(XX^T+\lambda I )^{-1}Xy^T，其中X是输入的训练数据，y是训练的输出。
和
2)使用神经网络进行回归(我不知道这是如何实现的)
(以及用于线性回归的任何其他方法)
浏览 0提问于2018-11-09得票数 2
1回答
我学习了中的神经堆栈教程。它的主题是“学习如何使用无限内存进行传输”，由Google DeepMind发布。
我大致理解这个提议的模式(上面的网站已经很容易解释了！)，但我没有读过任何其他参考期刊。
教程的最后一个示例是向后生成输入序列。但是，我想知道为什么我们只是将输入序列分离成单词，然后使用简单的条件循环向后排序？(这不是一个神经网络)
我的意思是，为什么要创建隐藏的层和操作大量的方程，只是为了使输入序列向后？使用神经网络有什么好处吗？
无论如何，我都会读参考期刊。但是现在，我只想知道为什么要使用神经网络，而不是用简单的条件循环编程；它的优点。
浏览 13提问于2016-03-19得票数 3
回答已采纳
我有一个神经网络，我需要估计平均超平面，它表明了所有训练样本的平均误差。训练示例一次全部出现。例如，如果我有一个单变量函数，那么我需要找到表示该函数平均值的行。对于我的应用程序，精确的平均值不是必需的，启发式也可以。
所有训练样本中每个输出神经元的平均输出。其中：
t_j' = sum_i_1_to_N (t_i_j)/N
训练示例的每个输出神经元的平均输出(如上计算)与每个示例的实际目标输出之间的平方差之和：
Avg Error = 1/2 * sum_i_1_to_N (sum_j_1_C (t_j' - t_i_j))^2)
这是一个启发式方法，但
浏览 1提问于2013-02-27得票数 3
1回答
我需要实现下面的模型。
我必须对一系列数据做函数A和函数B。函数A使用神经网络实现，其输出输入到函数B (不是神经网络，而是使用模型函数API在Keras中实现)，然后在函数B的输出时计算损失函数。
输入是复数的L长度向量。我需要把这个输入到同一个网络的L个副本(顺序)中。一个网络获取一个元素的实数和虚数，并输出m个实数。
因此，所有的L网络都会输出m_L实数。函数B将这些m_L实数作为输入并计算输出。
这就是我粗略的计划，
model_inputs = keras.layers.Input(shape=(L,))
function_A_model = Sequential()
functi
浏览 0提问于2019-07-12得票数 1
回答已采纳
我将RGB图像(32 X 32 X 3)保存为3D numpy数组，我将其用作我的神经网络的输入(使用tensorflow)。为了使用它们作为输入，我使用reshape (1，-1)将它们重塑为1DNP数组(1 X 3072)。当我训练完我的网络后，我想重新整形输出，但是使用reshape(32,32,3)似乎没有提供期望的结果。
这是正确的做法吗？我如何确保每个数据都会回到正确的位置？
浏览 0提问于2017-05-17得票数 4
回答已采纳
我正在尝试训练一个深度神经网络，它使用来自两个独立图像的信息，以便获得类似于的最终图像输出。不同的是，我的两个输入图像没有任何空间关系，因为它们是完全不同的图像，具有不同的信息量。如何使用双流CNN或使用这些输入的任何其他架构？
供参考:一张图片的大小为5184x3456，另一张图片的大小为640x240。
浏览 0提问于2018-04-25得票数 0
1回答
什么样的结构/方法可以使神经网络得到无限大的输入和/或返回无限大的输出？
我有一个想法，如何使无限大的输出。我只需要额外的输入神经元，在第一次计算之后，将输出(或部分)发送到输入神经元。
但我不知道如何进行可扩展的输入。也许使用多次迭代，并将输出插入到输入，并相应地将其余的输入神经元更改为输入数据的下一部分？
人工智能对我来说是新的，所以我可能会问一些我不想要或者不可能的事情。请提供简单的答案。
浏览 3提问于2021-12-17得票数 0
回答已采纳
1回答
递归神经网络文本发生器
、、、
我对神经网络非常陌生，我正在尝试制作一个Elman来生成文本。我正在使用Java中的Encog。不管我给网络提供什么，训练都需要很长的时间，而且总是会出现一个重复的字符序列。我对神经网络有点陌生，所以我只想确定我的概念是正确的。我不会费心于共享代码，因为Encog无论如何都会做所有困难的事情。
我训练网络的方式是为训练数据中的每个字符制作一个数据对，其中输入是字符，输出是下一个字符。所有这些都在一套训练中。这就是我要写的全部内容，因为Encog负责其他所有的事情。然后我只需将一个字符输入网络，它就会返回一个字符，然后将这个字符输入，然后再输入另一个字符，以此类推。我假设人们通常都有一个结尾字符
浏览 0提问于2018-07-23得票数 0
回答已采纳
2回答
神经网络输出相对于输入的梯度
、、、、
我训练了一个神经网络(NN)，在这个问题上，多个输入可以映射到相同的输出。我想使用这个神经网络从一个输出到一个输入，即给定一个输出向量y，我想要找到一个输入x，这样当输入x时，这个NN返回接近给定输出y的一些z。
我想用梯度下降来做这件事。是否有任何常见的深度学习API允许您对NNs的输入进行渐变？
我环顾四周，没有发现任何东西，但我想，在前进之前，我应该检查一下这里。
浏览 0提问于2019-01-09得票数 4
2回答
我有一个基本的问题，选择正确的架构，我的深度学习任务。
当输入信号$X(t)$作为输入信号输入到系统的时间函数时，产生输出$Y(t)$，这也是时间的函数。
我对许多输入信号( $X_1、X_2、X_3、...$ )和许多输出信号( $Y_1、Y_2、Y_3、...$ )进行了实验。
我不想做更多的实验，而是生成神经网络，在那里我可以输入信号X (t)并得到输出Y (t)。我想使用已经测量的数据作为培训数据。
在我看来，这看起来像回归问题，但涉及时间序列数据。出现在脑海中的神经网络结构之一是RNN、LSTM或CNN。人们主要使用LSTM来预测问题(知道历史来预测未来)，而不是回归。
所以我可以使
浏览 0提问于2018-06-30得票数 1
回答已采纳
1回答
我一直在试验进化的人工生物，但到目前为止，所有的生物都会死亡。为了初始化不是由无性繁殖产生的生物，我创建了大约8个随机神经元，它们都有连接输入和连接输出。我正在使用突变来获得一组权重，这些权重用于小型神经网络，可以形成递归连接。我有15个输入和5个输出。隐藏层中最多有25个神经元。突变的几率是25%。不同的突变是添加连接、禁用连接、对权重进行微小更改、添加神经元和禁用神经元。我的突变几率有什么问题吗？
浏览 11提问于2018-03-04得票数 1
1回答
这个问题非常简单。我想将我的神经网络中的一层乘以一个数字。
这个数字是n = max(abs(input))，因此实际的输入将是input/n，而输出将是output*n。我想知道是否有办法将这些计算插入到我的神经网络模型中。
顺便说一句，我之所以要这样做，是因为我在某处读到，一种常见的解决方案是对输入进行标准化，然后对输出进行反标准化，这就是我想要做的。然而，在我的Multi-input神经网络中，一个输入是二进制数据，而另一个是常规实数，所以我只想对这个实数输入进行标准化，并对特定的下游层进行反标准化。
浏览 0提问于2021-04-21得票数 0
我正在使用FANN建立神经网络来进行回归问题。问题是，一旦网络对相关的培训集进行了培训(这似乎运行得很好)，每个测试输出都是完全相同的输出。换句话说，考虑到我的16个预测变量的任何状态，根据人工神经网络，我的预测输出是相同的。
我的猜测是，网络正确地计算了计算的第一行，然后总是在其他计算中输出这个结果，不管我给它提供了什么(就像它在第一个训练示例中做得非常好，给出了一个准确的预测)。
例如，我的第一个培训示例变量是：
1 1 13.5 13.5 13.5 14.5 14.4 14.3 14.3 14.2 14.5 13 11.7 12.2 12.2 11.3
我的目标输出是14.5，在每个测
浏览 0提问于2015-05-27得票数 0
回答已采纳
2回答
好吧，所以-我一直在处理python的神经网络，我做了几个前馈和一些重复的。我知道他们是如何在一个相当基本的水平上工作的。
有时候，我会看到一些人用神经网络来生成像文字这样的东西；他们会声称自己已经训练了几千个段落，然后它会写一个新的段落。我最近读到一篇关于神经网络的文章，它分析了成千上万的字体，然后创建了自己的字体。
这是一个问题--到目前为止，我建立的所有神经网络都有一个输入和输出的数据集。我读到的这些神经网络看上去好像不接受输入，它们只是看了很多东西的实例，然后创建了一个新的实例(就像它们只处理输出)。
我是不是遗漏了什么？这些神经网络是我读到的关于一种不同类型的神经网络吗？假设我有一堆
浏览 1提问于2016-07-01得票数 0
回答已采纳
1回答
我有一个关于Keras和深度神经网络的问题。我不知道这是否可能。 结构：“神经网络1”获取输入"Input1“，并计算输出”输出1“。“神经网络2”的输入是“输出1”和“输入1”。 你能告诉我这是不是可能的，以及我如何用Kers构建这样的神经网络？谢谢
浏览 54提问于2019-01-12得票数 0
2回答
我对神经网络非常陌生，最近我建立了用于车牌号码分类的神经网络。它有3层:1输入层，16*24(382神经元)数字图像，150 dpi；1隐层(199神经元)，乙状结肠激活函数；1 softmax输出层(10神经元)，每个数字0到9。
我想把我的神经网络扩展到车牌上的字母分类。但我担心，如果我只是简单地在输出中添加更多的类，例如在分类中添加10个字母，总共20个类，神经网络将很难将特征从每个类中分离出来。而且，当输入是数字的输入，神经网络错误地将其归类为概率最大的字母时，即使所有数字输出的概率之和超过了这一概率之和，也会引起问题。
因此，我想知道是否有可能以下列方式建立分层神经网络：
有三个神经
浏览 17提问于2018-01-13得票数 0
回答已采纳
这是一个正在进行的冒险，有些细节被故意混淆.
我有一个盒子，里面有几个输入和一个输出。输出电压随输入电压的变化而变化。在许多状态通过并评估回溯过程之前，无法评估输出序列的可取性。
我想要设计一个神经网络，它把来自盒子的多个输出作为输入，并为盒子产生正确的输入设置，以产生最优的下一个输出。
我不能用反向传播来训练这个网络。我该如何训练这个网络？
浏览 1提问于2015-01-08得票数 0
回答已采纳
1回答
神经网络控制车
、、
我试着用神经网络控制一辆人工智能汽车。
我看了两个视频：神经网络演示和二维汽车驾驶中的Q学习与神经网络，我想复制它。
我已经做了神经网络代码，用反向传播算法。
问题是，我不知道如何加强对网络的学习。我应该使用什么样的值来计算错误？
我的车目前有5个输入(类似于第一个视频)，输出2个数字，1是插入汽车的旋转扭矩，如果它是正的，它将按时钟方向旋转，如果它是负的逆时针，它的旋转量是基于它的大小，它的范围是-1~1，我把它映射到一个期望的最小-最大值旋转。第二个输出数是加速度，从0~1，但是映射到-10~100 (所以它可以反转)。
浏览 0提问于2015-05-13得票数 2
在Tensorflow对象检测API中，一个典型的神经网络由两个部分组成:一个特征提取器，然后一个利用特征提取输出的神经网络进一步对图像进行分类。
如果你要在对象检测api中自定义训练一个更快的resnet50神经网络，去检测另外2个对象，在训练过程中特征提取器也是训练的吗？即特征提取器组件的权重是否会发生变化？
浏览 0提问于2018-07-31得票数 3
回答已采纳
1回答
我是一个初级的神经网络，我有一个神经网络，经过训练，以适应输入数据与目标数据，然后模拟神经网络在一个新的样本数据，以获得一个预测输出。
问题是输出是介于“0”和“1”之间的规范化值，我需要将它们转换成像“小数”这样的实值。
你能解释一下怎么做吗？
我读过，我必须使用激活函数，但我不知道如何做到这一点。
浏览 3提问于2016-10-14得票数 0
回答已采纳
2回答
现在，我正在为一个二元分类问题训练一个深度神经网络，它有一个特征集的winrates。因此，每个风速都大于或等于0，但小于100。
在没有标准化输入数据的情况下，我得到了很有希望的结果，直到我规范化了它，并且得到了非常糟糕的精度。
输入特征是一个大小为20的2d矩阵，网络有四个层，每个层中的节点数不同。我对隐藏层使用sgd优化器和ReLU激活，输出层使用softmax激活函数。
我想知道的是，为什么没有归一化的神经网络会得到更好的结果？这是因为具有归一化输入的网络所需的最佳超参数与未归一化的网络不同吗？
浏览 0提问于2019-10-15得票数 1
回答已采纳
1回答
我目前了解并制作了一个简单的神经网络来解决XOR问题。我想做一个用于数字识别的神经网络。我知道使用MNIST数据，我需要784个输入神经元，15个隐藏神经元和10个输出神经元(0-9)。 然而，我不明白网络将如何训练，以及前馈如何与多个输出神经元一起工作。 例如，如果输入是数字3的像素，网络将如何确定选择哪个输出神经元，以及在训练时，网络如何知道哪个神经元应该与目标值相关联。 任何帮助都将不胜感激。
浏览 19提问于2019-02-26得票数 2
回答已采纳
1回答
我目前正在尝试用Python实现一个神经网络，以玩使用遗传算法训练的Snake游戏(尽管这现在是另一回事)。 每一个玩这个游戏的网络都会一遍又一遍地做同样的动作(例如，一直走直线，一直向左转)。网络有5个输入:在所有四个方向上到对象(食物，边界，它自己的尾巴)的距离，以及食物和蛇面对的方向之间的角度。这三个输出分别表示左转、直行和右转。 我以前从来没有使用过这样的东西，所以在这一点上我有一个相当基本的理解。隐藏层的数量和每层的节点数是可变的，我已经改变了很多东西来测试，但蛇继续每条蛇重复完全相同的运动。 任何关于为什么会发生这种情况的建议，以及如何修复它，我们都会非常感激。我可以展示我的代码
浏览 40提问于2020-02-02得票数 0
1回答
我正在训练一个神经网络来区分三个班。当然，我去了PyTorch的CrossEntropyLoss。在实验中，我意识到当在模型的末尾放置一个Softmax层时，损失会显著增加。所以我决定做进一步的实验：
import torch
from torch import nn
pred_1 = torch.Tensor([[0.1, 0.2, 0.7]])
pred_2 = torch.Tensor([[1, 2, 7]])
pred_3 = torch.Tensor([[2, 4, 14]])
true = torch.Tensor([2]).long()
loss = nn.CrossEntr
浏览 2提问于2021-12-30得票数 3
回答已采纳
1回答
所以我正在做一个小的副业，目的是用遗传算法做实验。这个项目涉及两个班，一个是动物，一个是食物。这些动物每时每刻都会挨饿，当它们找到食物时就会失去饥饿。动物可以移动，食物是静止的。每个Critter都有一个基因组，它只是一串随机生成的字符。目标是在几代之后，这些动物将进化出特定的运动模式，从而产生最佳的食物消费。
现在，每个Critter都由一个神经网络控制。神经网络由Critter基因组中的权重和偏差初始化。神经网络的第一个输入是0,0。神经网络产生两个输出，分别决定Critter的x和y运动的方向。这个输出被用作神经网络在下一个滴答时的输入。例如：
1: [0,0]->NN->[
浏览 0提问于2014-04-02得票数 3
回答已采纳
我试着用神经网络来进行二元分类。它由三层组成。第一层有三个输入神经元，隐藏层有两个神经元，输出层有三个输出二进制值为1或0的神经元。实际上，输出通常是一个浮点数，但通常是整数。
如果网络只输出3的向量，那么我的输入向量不应该是相同的大小吗？否则，对于分类，如何将输出映射到输入？
我使用VBA在Excel中编写了基于以下文章的神经网络：到目前为止，它的工作原理与本文所描述的完全一样。目前我还没有进入机器学习库的权限，所以我选择尝试一下。
例如：
如果网络的输出是n，这是否意味着我的输入数据也必须是n，n，n？
从我在这里读到的：
看来应该是这样的。不过我不太确定。
浏览 0提问于2019-01-17得票数 0
2回答
我在Matlab中训练了一个三层(输入、隐藏和输出)前馈神经网络.经过训练，我想用一个输入测试向量来模拟训练后的网络，得到神经元的响应--隐层(而不是最终输出层)。我该怎么做呢？
另外，在训练神经网络之后，是否有可能“切断”最终输出层，并将当前隐藏层作为新的输出层(以备将来使用)？
额外信息:我正在构建一个。
浏览 2提问于2012-03-03得票数 3
2回答
神经网络归一化输出数据
、、、
我有神经网络的训练数据和预期的输出。每个输入都是10维向量，有1个期望输出，我用高斯对训练数据进行了归一化，但我不知道如何将输出归一化，因为它只有一维。有什么想法吗？
示例：
原始输入矢量：-128.91，71.076，-100.75,4.2475，-98.811，77.219，4.4096，-15.382，-6.1477，-361.18
标准化输入矢量： -0.6049，1.0412，-0.3731，0.4912，-0.3571，1.0918，0.4925，0.3296，0.4056，-2.5168
上述输入的原始预期输出为1183.6，但我不知道如何将其正常化。我是否应该将预期输出标准化为
浏览 4提问于2017-03-05得票数 6
回答已采纳
2回答
神经网络是使用较小范围的训练数据更好，还是无关紧要？例如，如果我想训练一个带有角度(浮点值)的ANN，我应该以0；360度或弧度0；6.28传递这些值，或者可能所有的值都应该标准化为0；1？训练数据的范围是否会影响ANN的学习质量？我的神经网络有6个输入神经元，1个隐藏层，我使用的是sigmoid对称激活函数(tanh)。
浏览 2提问于2015-12-28得票数 2
我想知道Word2Vec是如何构建的。
我读过一些教程，简单地说，我们可以训练一个跳过克神经网络模型，并使用训练成单词向量的权重。
然而，我也看到了这张照片：
📷
如果正确读取此图表：
1) CBOW模型和Skip图模型都有一定的输入。
2)将CBOW的输出作为中间神经网络的输入。
3)将跳过图的输出作为中间神经网络的输出。
CBOW的输出是对给定上下文的中心词的预测，跳跃图的输出是对周围中心词的预测。
然后利用这些输出来训练另一组神经网络。
因此，我们首先训练CBOW，然后再训练中间神经网络？而对中间神经网络的输入是一种热点编码。
以上解释正确吗？
浏览 0提问于2017-06-12得票数 6
回答已采纳
我有一个家庭作业问题，下面的神经网络给出了它的描述。我们被问到“上述网络计算的功能是否也可以由只包含一个输入层和一个单一节点的输出层的网络计算？”如果可以的话，我们将提供网络、权重和激活函数。如果没有，我们必须解释原因。
我不知道如何处理这个问题，因为我没有那么强的神经网络。任何起点都会很有帮助。
提前谢谢。
📷
浏览 0提问于2019-05-02得票数 0
2回答
注意:我已经读过了，但没有用。
我正在用MNIST数据库使用Keras训练一个自动编码器无监督神经网络：
import keras, cv2
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train.reshape(60000, 784).astype('float32') / 255.0
浏览 2提问于2018-11-16得票数 1
回答已采纳
1回答
嗨，伙计们，我对神经网络的学习过程有点困惑。
当输入层接收到输入时，穿过隐藏层，然后进入输出层。神经网络如何知道输出层的输出是不正确的？
当在输出层计算误差时，它需要预测的输出，这是很好的，但是实际输出是如何找到的呢？
谢谢
浏览 0提问于2021-05-10得票数 1
回答已采纳
1回答
C++如何实时处理人工神经网络的多个输入？
我假设这没有使用尖峰神经网络，而是更传统的神经网络(即这里描述的基本神经网络)
这在实时世界中是可能的吗？我在想，要么单独处理每个输入(这将总是导致相同的输出，因此出现了dilemna)，要么在每个时间阈值内累积一定数量的输入，然后立即处理它们……
那么，人们如何处理同一输入的多个实例呢？处理两次？
我之所以这样问，是因为我正在研究neuralbot，我相信它使用了一个普通的神经网络，但在我深入研究它之前，我正试图理解ANN的第一个，并且不确定ANN如何在处理目标输出之前处理多个输入。
浏览 0提问于2013-01-08得票数 0
我在网上看到了，它显示了一个具有三个输入和三个输出的“神经网络”，虽然输入没有变化，但我相信这个网络和其他进化算法之间有足够的相似性，从而使问题有效。
我的问题是，既然视频中显示的所有三个输入节点都有可能对具有受控权重的输出节点“施加影响”，那么为什么需要四个中间节点呢？为什么不直接将输入节点连接到输出端呢？
浏览 0提问于2016-10-23得票数 0
回答已采纳
1回答
我想实现一个简单的前馈神经网络来逼近函数y=f(x)=ax^2，其中a是一些常数，x是输入值。
该神经网络具有一个输入节点，一个具有1-n节点的隐藏层和一个输出节点.例如，我输入值2.0 -> -- NN生成4.0，再次输入3.0 -> -- NN生成9.0或接近它，等等。
如果我理解“在线培训”，训练数据是一个接一个的输入值2.0 ->，我用梯度迭代100次，然后传递值3.0，再迭代100次。
但是，当我尝试用我的实验/学习神经网络(我输入值为2.0 -> )来实现这一点时，错误得到了很小的-> --输出非常接近于4.0。
现在，如果我想预测输入3.0
浏览 2提问于2017-11-27得票数 0
回答已采纳
我已经试着让恩奥克走了几天了。
我的数据包括4个输入变量(1到1000之间)和1个输出变量(在-30到30之间)。我正在训练大约50,000行数据。
在将数据传递到具有以下结构和训练的神经网络之前，对数据进行规范化( tanh激活函数在-1到1之间)：
Network.AddLayer(new BasicLayer(null, true, 4));
Network.AddLayer(new BasicLayer(new ActivationTANH(), true, 8));
Network.AddLayer(new BasicLayer(new ActivationTANH(), fa
浏览 1提问于2014-04-09得票数 3
回答已采纳
2回答
I正在进行一个测试项目来测试一个神经网络库.问题是这个库有时使用随机数.I需要导出测试用例(输入、预期输出、实际输出).
有没有人知道如何将测试用例(输入、预期输出、实际输出)导出给在采取行动和评估输出时使用随机数的函数？
浏览 2提问于2010-11-18得票数 2
回答已采纳
首先，让我为在标题中塞进三个问题而道歉。我不确定还有什么更好的方法。
我就直奔主题吧。我想我对前馈神经网络非常了解。
但LSTM真的让我摸不着头脑，我觉得这可能是因为我对递归神经网络总体上没有很好的掌握。我已经看过了Hinton和Andrew Ng在Coursera上的课程。很多东西对我来说还是没有意义。
据我所知，递归神经网络与前馈神经网络的不同之处在于，过去的值会影响下一个预测。递归神经网络通常用于序列。
我看到的递归神经网络的例子是二进制加法。
010
+ 011
递归神经网络会先取最右边的0和1，输出1。然后取1,1，输出0，并进位1。取下一个0,0，输出1，因为它携带上次
浏览 1提问于2014-07-23得票数 7
1回答
我在运行用BogoToBogo编写的神经网络实例
该方案运作良好：
(array([0, 0]), array([ 2.55772644e-08]))
(array([0, 1]), array([ 0.99649732]))
(array([1, 0]), array([ 0.99677086]))
(array([1, 1]), array([-0.00028738]))
神经网络学习异或，默认情况下使用tanh作为激活函数。但是，在我将激活函数更改为"sigmoid“之后，
nn = NeuralNetwork([2,2,1], 'sigmoid')
现在，程序
浏览 0提问于2018-08-29得票数 1
回答已采纳
9回答
我想编程一个国际象棋引擎，学习如何做出好的步骤，并赢得与其他棋手。我已经编写了一个棋盘的表示和一个输出所有可能的走法的函数。因此，我只需要一个评估函数，它可以说明棋盘在给定情况下有多好。因此，我想使用人工神经网络，然后评估给定的位置。输出应为数值。值越高，白色玩家的位置越好。
我的方法是建立一个由385个神经元组成的网络:棋盘上有6个独特的棋子和64个字段。因此，对于每个区域，我们取6个神经元(每个部分1个)。如果有白片，则输入值为1；如果有黑片，则输入值为-1。如果该字段中没有这种类型，则值为0。除此之外，还应该有一个神经元供玩家移动。如果轮到白色，则输入值为1；如果轮到黑色，则输入值为-1
浏览 1提问于2009-04-15得票数 28
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
即时通信 IM活动推荐
腾讯云开发者
