问题标签 [neural-network]

所以，我最近发现这个术语在某种程度上与神经网络有关，但我没有找到关于这个主题的更多信息，而且看起来很有趣。

有人知道我在哪里可以找到更多关于初学者的信息吗？

提前致谢

我需要与人工智能相关的主题想法，我将以此为基础。我最感兴趣的是遗传算法和神经网络技术。我已经有了一些想法，但似乎没有一个能打动我！

任何帮助将不胜感激！:)

我正在尝试训练一个 ANN（我使用这个库： http: //leenissen.dk/fann/），结果有些令人费解——基本上，如果我在用于训练的相同数据上运行经过训练的网络，输出是不是训练集中指定的，而是一些随机数。

例如，训练文件中的第一个条目类似于

第一行是输入值，第二行是所需的输出神经元的值。但是当我将完全相同的数据提供给经过训练的网络时，每次训练尝试都会得到不同的结果，并且它们与 1 完全不同，例如：

然后再次尝试：

我意识到训练集的大小可能不足（到目前为止我只有大约 100 个输入/输出对），但至少训练数据不应该触发正确的输出值吗？相同的代码适用于 FANN 网站上描述的“入门”XOR 函数（我已经用完了我的 1 个链接限制）

免责声明：我不是数学天才，也没有任何编写神经网络的经验。所以，请原谅我碰巧在这里说的任何愚蠢的话。;)

我一直在阅读有关用于机器学习的神经网络的文章，但是在尝试编写简单的虚拟机时，我开始怀疑它们是否可以以其他方式应用。

具体来说，可以将虚拟机创建为神经网络吗？如果是这样，它将如何工作（如果必须，请随意在这里使用抽象描述）？

我听说过 Joycean Machine，但除了非常非常模糊的解释外，我找不到任何信息。

编辑：我在这里寻找的是对基于神经网络的 VM 将如何解释程序集的确切解释。如何处理输入等？每个单独的输入都会是一个内存地址吗？让我们集思广益！

是否有经验法则（或一组示例）来确定何时使用遗传算法而不是神经网络（反之亦然）来解决问题？

我知道在某些情况下您可以混合使用两种方法，但我正在寻找两种方法之间的高级比较。

我想知道 DS 的硬件是否能够运行使用遗传算法利用前馈神经网络的游戏。我知道这与自制游戏以及 nn 和 ga 的实现有关，但我很好奇......

（我对如何使用 DS 的 ARM 等一无所知）

提前致谢 ：-）

在 Matlab（神经网络工具箱 + 图像处理工具箱）中，我编写了一个脚本来从图像中提取特征并构造一个“特征向量”。我的问题是某些功能比其他功能拥有更多的数据。我不希望这些功能比其他数据更少的功能更重要。

例如，我可能有一个由 9 个元素组成的特征向量：

特征向量 = [hProjection, vProjection, area];

如果我构建一个以 featureVector 作为输入的神经网络，则该区域仅占输入数据的 10%，并且不那么重要。

我正在使用具有 tansig 传递函数（模式识别网络）的前馈反向传播网络。

我该如何处理？

我没有太多关于如何编程的问题，而是我正在寻找一种我似乎在任何地方都找不到的特定编程语言的信息。它似乎在我正在查看的几篇论文中被引用。该语言的名称是“NeuPro”——它将用于神经网络，并且似乎具有与 prolog 非常相似的语法。无论如何，如果有人可以提供一些参考资料，我可以继续努力，那就太好了。

我想知道是否有人在 python 中有一些神经网络的示例代码。如果有人知道某种带有完整演练的教程，那将是很棒的，但是仅示例源也很棒！

谢谢

不久前我读过有关神经网络的文章，我了解 ANN（尤其是通过反向传播学习的多层感知器）如何学会将事件分类为真或假。

我认为有两种方法：

1）你得到一个输出神经元。如果它的值 > 0.5，则事件可能为真，如果它的值 <=0.5，则事件可能为假。

2）你得到两个输出神经元，如果第一个的值大于第二个的值，则事件可能为真，反之亦然。

在这些情况下，ANN 会告诉您事件是真还是假。它没有说明可能性有多大。

有没有办法将此值转换为一些赔率或直接从 ANN 中获取赔率。我想得到像“事件有 84% 的概率是真的”这样的输出