Artificial intelligence 实再生的神经网络

我已经实现了一个基于多层感知器的神经网络来解决与音频回归真实再现相关的问题。通过互联网阅读文档、科学文章和其他一些实现，我得出结论，多层感知器不足以解决我的问题，因为如果输出是二进制的，它工作得很好，但是如果输出在0,1范围内，我需要实际输出

问题是，网络没有正确地训练，因为当我连续展示同一个示例时，它会按照激活函数的梯度方向正确地调整权重，但当训练随机选取训练示例时，效果并不好

我曾想过使用遗传算法在训练集的每个历元之后调整权重，以指导一点网络的权重调整

有人能给我一点指导吗？我还考虑过使用另一种网络结构作为Adaline，或者即使它变得丑陋，也可以尝试实现一种我不喜欢的支持向量机xD

---

提前非常感谢

无论是哪种类型的培训，使用您提到的性能良好的功能与音频的复杂性相比，都无法达到您想要达到的目的。 让我们从头开始--您试图捕获音频的哪些功能/特征？

---

你的样本有多长等？

你如何提供随机训练实例，以小批量或一个接一个的形式？回归输出的范围是什么。一个接一个，回归输出也将是0,1。实际上，我不是在使用真实音频进行培训，而是使用不同的函数（如fx=x或fx=x^2）进行测试，尝试以小批量的形式提供数据，例如根据您的总数据大小，每批100个实例。但是请记住，当您减少每次迭代的实例数时，您也应该降低学习率，因为梯度步骤将更加复杂。也许这就是为什么你不能用一个接一个的方法来学习。好吧！我会尽力告诉你的。谢谢我的想法是学习在特定环境下音频的变换。我不得不使用一个卷积网络，类似于它在图像识别中的应用，输入的数据要么是原始音频缓冲区，要么是信号的频谱图，不知道你所说的音频是什么意思。帮助我帮助你的是：1你的目标是什么？2您如何对音频进行采样？3您使用的是什么类型的文件？4您试图捕捉音频的哪些特征以便神经网络进行处理？5您希望您的人际网络如何学习？等等