8回答
我对机器学习和神经网络很陌生。我知道如何建立一个非线性分类模型，但我目前的问题有一个连续的输出。我一直在寻找关于神经网络回归的信息，但我所遇到的只是关于线性回归的信息--没有关于非线性情况的信息。这很奇怪，因为为什么会有人用神经网络来解决简单的线性回归呢？这不就像用核弹杀死苍蝇吗？
所以我的问题是:是什么使神经网络非线性？(隐藏层？非线性激活函数？)或者我对“线性
浏览 12提问于2016-12-20得票数 37
回答已采纳
我有一个系统，它由一个神经网络组成，它的输出被输入到一个未知的非线性函数F中，例如一些硬件。其思想是将神经网络训练为未知非线性函数F的逆F^(-1)，这意味着损失L是在F的输出处计算的，但是由于F的梯度不知道，反传播不能直接用于计算梯度和更新NN权值。在计算TensorFlow或PyTorch中的梯度时，是否可以使用没有直接连接到神经网络的损失函数L？或承担任何其他软件(Matlab、C等)所获得的
浏览 2提问于2020-01-16得票数 1
我从Tensorflow开始，到目前为止，我只处理过具有少量隐藏层的“浅”前馈网络或神经网络，其对应的W是以如下方式单独定义的(该示例对应于具有五个隐藏层的网络的初始化)： W1 = tf.Variable
浏览 35提问于2019-02-10得票数 0
1回答
我在隐藏层中有非线性，我尝试了多种激活(ReLU，tanh，sigmoid)，尝试了不同的优化器，不同的学习率，不同的架构(更多的层，更少的层，辍学)，但我从来没有做对过。我还尝试了其他方法，比如用w = sess.run(weights)提取权重，然后将它们与输入一起提供给model()函数，但都不起作用。有什么想法吗？import tensorflow as tfimport matplotlib.pyplot as plt
# Architectur
浏览 2提问于2017-01-20得票数 1
2回答
假设我有一个如下所示的神经网络：model.add(keras.layers.Dense(10, input_shape=(5,),activation='relu'))其中n个输出神经元具有线性激活函数。根据这些model.weights，每个输出神经元返回一个范围内的值。
我想要计算这
浏览 0提问于2021-05-08得票数 1
1回答
批量标准化，是还是不是？
、、、
我使用Tensorflow 1.14.0和Keras 2.2.4。以下代码实现了一个简单的神经网络：np.random.seed(1)random.seed(2)问题：为什么批处理规范化不能帮助？有什么可以更改的吗?这样批处理规范化可以在不改变激活函数的情况下改善结果吗？收到评论后的更新：
具有一个隐层和线性
浏览 2提问于2019-10-29得票数 6
回答已采纳
1回答
提供一套(m no.关于n维向量，正确的无监督的聚类方法是什么？向量本质上代表了模式。问题是:是否存在一组向量，表现出与v1相似(不完全相同)的模式，对于v2等具有类似的模式？
因此，这些模式需要适当地进行聚类。有一些方法，如矢量量化，但我不确定这些方法是否适合在这种情况下。
浏览 0提问于2019-06-18得票数 1
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
1回答
在讨论神经网络时，我对使用线性/非线性这个术语有些困惑。有谁能为我澄清这3点：
神经网络中的每个节点都是输入的加权和。这是输入的线性组合。因此，每个节点的值(忽略激活)是由一些线性函数给出的。我听说神经网络是通用函数逼近器。这是否意味着，尽管在每个节点中包含线性函数，总网络也能够近似于一个非线性函数？在实践中，是否有明确的例子说明这是如何运作的？激活
浏览 0提问于2015-08-27得票数 2
回答已采纳
1回答
神经网络的非线性回归
、、、
我可以很容易地用LinearRegression从sklearn，但我希望能够实现这一多元样本，如果我不知道是否函数是log/exp/poly/等等。谢谢！阿什坎
浏览 3提问于2021-01-03得票数 1
回答已采纳
2回答
单个非激活神经元只是其输入的线性组合。
将这个神经元的输出作为对0的阈值将产生一个超平面二进制分隔符，它的参数可以被学习。这个分隔符(判定边界)的形状是什么，如果我们也对输出进行重调，然后才是阈值呢？我一直认为它必须是非线性的，否则NNs就不起作用了，但是如果以前是正的，它会保持正，如果它是负值或零，它就会保持不变，所以relu实际上对决策边界没有任何作用，这对我来说是没有意义的。
浏览 0提问于2020-06-15得票数 4
回答已采纳
这个常见的例子是一个简单的方法，可以接触到最基本的神经网络(即两个神经元，一个输入和一个输出)。我一直在使用TensorFlow和keras玩这个，我想知道，对于NN来说，学习权重(1.8)和偏倚(32)应该非常简单，而且不费多大力气。考虑到这个线性问题，显然没有激活函数。
我的问题是，在这么简单的情况下，神经网络能准确地解决这个问题吗？
浏览 0提问于2020-03-01得票数 1
1回答
我的任务是为一个预测问题(输入参数有数字和分类变量的组合)建立一个多元线性回归模型。 如果我使用人工神经网络(ANN)来构建一个进行预测的模型，这是多元线性回归模型还是深度学习模型？如果我可以使用ann来构建多元线性回归模型，我会感到困惑。
浏览 47提问于2019-01-24得票数 0
回答已采纳
1回答
有什么方法可以像中使用TensorFlow那样实现递归神经网络吗？请注意，这与递归神经网络不同，递归神经网络由TensorFlow很好地支持。不同之处在于，网络不是复制成线性操作序列，而是复制到树结构中。
我设想我可以使用While op为我的数据集的每个条目构造类似于树数据结构的宽度优先遍历的东西。也许可以将树遍历作为新的C++ op在TensorFlow中实现，类似于While (但更通用)？
浏览 0提问于2016-05-05得票数 7
回答已采纳
我目前正在使用tensorflow，但似乎无法控制它是否对我的问题有用吗？我目前正在尝试做一个神经网络，它接收音频文件的样本，并从样本
浏览 0提问于2016-10-13得票数 4
回答已采纳
我正试图为Python找到一个神经网络库，但没有什么是我想要的；很多人似乎都在推荐图书馆(例如Keras，scikit-learn)，但这并不是真正安装在我的计算机上的。
浏览 0提问于2017-01-09得票数 1
1回答
当我们说“深度神经网络的非线性”时，在这种情况下，我们所说的“非线性”实际上是什么意思？
此外，激活函数的目的是将非线性引入网络。这种非线性意味着什么？(我是深度学习的新手。)
浏览 18提问于2017-12-22得票数 2
回答已采纳
2回答
我发现，当将张量传递到具有activation=None的致密层时，这一层的输出都是nan。
但是当设置为activation='softmax'时，输出是normal而不是nan。
浏览 1提问于2018-07-31得票数 3
我目前正在学习一些关于神经网络的知识。我不能真正理解的一个问题是神经网络是如何反映非线性行为的。根据我的理解，不可能用神经网络来反映在内的非线性行为。例如，如果我从获取该函数我会使用一个单输入单输出的神经网络--对于每个紧集，x0...xn是一个从集合的一端到另一端的线性函数，因为在网络的末尾，所有的计算都是线性的。
浏览 1提问于2018-06-06得票数 1
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
