1

我一直在阅读一些关于神经元、感知器和多层感知器概念的在线教程。现在，我想在我自己的例子中实现这个概念。我想做的是在我的网络中实现以下简单算法：

假设我们有 4 个浮点数minus1, plus1, minus2,plus2 

if (minus2>plus2) and (minus1<plus1) then return 1
else if (minus2<plus2) and (minus1>plus1) then return -1
else return 0

但这是我的担忧：

  1. 如何为我的网络提供以下数字：63.8990、-165.177、1.33001 或 0.98401？

  2. 我应该如何选择输入的数量，因为我有 4 个数字，但我不知道是应该只使用 4 个输入还是先将所有内容转换为位，然后根据相关位数选择输入的数量？

  3. 考虑到 3 种类型的输出 (1,-1,0)，我是否应该在输出层中需要 3 个神经元，每个神经元代表一种特定类型的答案，或者我应该训练网络分别学习每种答案（第一个是 1网络，-1 表示第二个，0 表示最后一个）？

预先感谢大家的阅读，非常感谢您的帮助

斯蒂芬妮

4

2 回答 2

1

问题有点模糊。我将其解释为：

您正在尝试使用神经网络实现该功能f(m1, p1, m2, p2)（该子句给出的定义）。if

对于（1），您需要考虑您如何表示网络，这受您使用的网络类型的影响。

对于 (2)，要训练网络，您需要使用真值（即 的实例m1, p1, m2, p2, and f(m1, p1, m2, p2)）。

对于 (3)，您实际上并没有 3种类型的输出。相反，您有 3 个可能的输出。当然，可以训练 3 个网络在特定输出为答案时做出响应，但您也可以（使用适当类型的网络）使用具有一个输出的网络实现相同的效果。

于 2010-12-11T01:21:28.530 回答
1

1）我不确定你用什么样的数字来喂你的神经网络（神经网络[或感知器]）是否重要。这就是说，您可以让 4 个输入节点接受有符号浮点数（或有符号十进制，如果可用）这样您就可以让所有输入都接受相同类型的数据进行处理。当您将输入乘以加权值时，您很可能会在 NN 中得到浮点数或十进制值。

2）我通常会说，由于您有 4 个数据点，因此 NN 的 4 个输入是一个很好的起点！

3) 至于输出，完全有可能为整个神经网络提供一个输出节点。要使用这种设计，需要一个阈值函数，它从 NN 获取最终输出并将其转换为可用值。在您的示例中，我建议将低于 -0.5 的任何输出归为 -1，将 -0.5 和 +0.5 之间的任何输出归为 0，将任何高于 +0.5 的输出归为 1。

例如

Value           | Output
----------------|----------
< -0.5          | -1
-0.5 < x < +0.5 | 0
x > +0.5        | +1
于 2011-01-06T17:52:51.317 回答