0

我几乎把整个事情都安排在了脑海中，但我只想确认一下。

我们有一个 3 层的神经网络。

  1. 我们输入 Xs 和它们的权重 Ws（我们在开始时随机选择 Ws）。
  2. 神经元对所有输入的 x*w 求和（或者这里是否有不同的功能，如果是，我们为什么需要它，在什么情况下）。
  3. 我们将总和传递给激活函数，并将函数的输出传递给下一层的神经元。
  4. 在训练网络时，我们使用反向传播（如果我们有一个没有隐藏层的 NN）并等待它训练。

所以我的问题是 SUM 函数，它可以不同吗？如果是，为什么？

如果我想训练一个神经网络来解决 a*x^2 +b*x+c=y 并且我有 x 和相应的 y 的随机值，那么还有一个快速的问题，网络的设计是什么？我需要多少层？

4

1 回答 1

0

关于2）。这是更普遍使用的函数，非线性加权和，其更一般的形式是f（x）= sum（w * g（x）），其中g（x）是另一个函数。您也可以更改 f(x) 和 g(x)，但除非您有充分的理由，否则我不建议您这样做。您将 f(x) 的结果传递给激活函数。我建议您阅读可用的激活功能以及为什么要使用其中之一，也许这会对您有所帮助：https ://stats.stackexchange.com/questions/35776/choice-of-neural-net-hidden -激活功能

对于隐藏层的数量： https ://stats.stackexchange.com/questions/181/how-to-choose-the-number-of-hidden-layers-and-nodes-in-a-feedforward-neural-netw

基本上取决于你的数据。

我认为这个问题属于另一个站点，例如交叉验证。

干杯!

于 2013-05-12T19:04:03.760 回答