Artificial intelligence 神经网络能学习多路复用器模式吗?
假设您有3个输入:Artificial intelligence 神经网络能学习多路复用器模式吗?,artificial-intelligence,neural-network,Artificial Intelligence,Neural Network,假设您有3个输入:A,B,C。人工神经网络(不一定是前馈)能学习这种模式吗 if C > k output is A else output is B 有哪种类型的网络可以或非常适合这种类型的问题 是的,对于前馈神经网络来说,这是一个相对容易学习的模式 假设使用sigmoid函数,您至少需要3层: 第一层可以测试C>k(也可能将A和B缩小到sigmoid函数的线性范围内) 第二层可以根据第一层计算A/0和0/B 第三(输出)层可以执行加权求和以给出a/B(根据所需值的比例,
A
,B
,C
。人工神经网络(不一定是前馈)能学习这种模式吗
if C > k
output is A
else
output is B
有哪种类型的网络可以或非常适合这种类型的问题 是的,对于前馈神经网络来说,这是一个相对容易学习的模式 假设使用sigmoid函数,您至少需要3层:
- 第一层可以测试C>k(也可能将A和B缩小到sigmoid函数的线性范围内)
- 第二层可以根据第一层计算A/0和0/B
- 第三(输出)层可以执行加权求和以给出a/B(根据所需值的比例,可能需要使该层线性化而不是S形化)
话虽如此,如果你真的知道你的问题的结构和你想进行什么样的计算,因此,神经网络不太可能是最有效的解决方案:当您不太了解建立函数/关系模型所需的精确计算时,神经网络会更好。如果输入只能是0和1,那么这就是网络: 每个神经元都有一个作为激活函数。神经元y0和z的偏差=0.5;神经元y1的偏差=1.5。重量显示在相应连接的上方。当s=0时,输出z=d0。当s=1时,输出z=d1
如果输入是连续的,则可以使用Sigmoid、tanh或ReLU作为神经元的激活函数,并且可以使用反向传播算法对网络进行训练。可以。这听起来像经典的3硬币EM问题,可以看作是一个神经网络。这显然只是我问题的一小部分。我正在用NEAT来训练模型。我想,在我把它应用到实际问题之前,我应该先尝试一下,如果它能学习一些子问题,这可能需要几天的计算时间。这是我尝试的第一个子问题,失败得很惨。也许我需要进一步调整参数。