Algorithm 如何将浮点数转换为神经网络?
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Algorithm 如何将浮点数转换为神经网络?,algorithm,artificial-intelligence,neural-network,perceptron,backpropagation,Algorithm,Artificial Intelligence,Neural Network,Perceptron,Backpropagation,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 if(minu
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
if(minus2>plus2)和(minus1问题有点模糊。我将其解释为:
您正试图使用神经网络实现函数f(m1,p1,m2,p2)
(定义由该if
子句给出)
(1),您需要考虑如何表示网络,它受您使用的网络类型的影响。
对于(2),要训练网络,需要使用真值(即
m1、p1、m2、p2和f(m1、p1、m2、p2)
)
对于(3),你实际上没有3种类型的输出。相反,你有3种可能的输出。当然,当特定的输出是答案时,可以训练3个网络响应,但你也可以(使用适当类型的网络)用一个输出的网络实现同样的效果。1)我不确定你用什么样的数字来输入你的神经网络(神经网络[或感知器])是否重要。也就是说,您可以让4个输入节点接受带符号的浮点数(或带符号的十进制数,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。当您将输入乘以一个加权值时,您很可能会在NN中得到一个浮点值或十进制值
2) 我通常会说,因为您有4个数据点,所以NN的4个输入是一个很好的起点
3) 至于输出,整个NN完全可能有一个输出节点。要使用这种设计,需要有一个阈值函数,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的任何内容归类为-1,介于-0.5和+0.5之间的任何输出归类为0,高于+0.5的任何内容归类为1
e、 g
Value |输出
----------------|----------
< -0.5 | -1
-0.5+0.5 |+1
对于(3)您可以有一个带有3个标记为(1,-1,0)的输出节点的网络和一个“赢家通吃”策略来决定网络的响应。同意。理论上相当于多了一层,是静态的,并且具有传递函数。
Value | Output
----------------|----------
< -0.5 | -1
-0.5 < x < +0.5 | 0
x > +0.5 | +1