Deep learning 我们可以使用两个相同的深度神经网络，函数代价在中间吗
假设我有如下图所示的输入数据x_1，它是深度神经网络（1）的输入，那么输出是y_1。深度神经网络（2）的输入为y_1，其输出应类似于x_1（换句话说，它类似于自动编码器） 我的问题是，是否可以为y_1添加函数代价，例如，我们需要一个（y_1）{1:4:end}=0或最小值的代价函数Deep learning 我们可以使用两个相同的深度神经网络，函数代价在中间吗,deep-learning,neural-network,autoencoder,Deep Learning,Neural Network,Autoencoder,假设我有如下图所示的输入数据x_1，它是深度神经网络（1）的输入，那么输出是y_1。深度神经网络（2）的输入为y_1，其输出应类似于x_1（换句话说，它类似于自动编码器） 我的问题是，是否可以为y_1添加函数代价，例如，我们需要一个（y_1）{1:4:end}=0或最小值的代价函数 有可能实现深度神经网络的这种结构吗？只要你有计算损失的基本真值，我看不出为什么没有？是的，但我们如何构建两个深度神经网络？我是说我们如何把它们串联在一起@Seankala你只需要设计它们，使第二个神经网络的输入就是
有可能实现深度神经网络的这种结构吗？只要你有计算损失的基本真值，我看不出为什么没有？是的，但我们如何构建两个深度神经网络？我是说我们如何把它们串联在一起@Seankala你只需要设计它们，使第二个神经网络的输入就是第一个神经网络的输出。你可以组合两个损失函数，在这种情况下，每个神经网络一个。你的意思是第一个成本函数是（x_1-x''u 1）。^2，第二个成本函数是（y_1）{1:4:end}=0，然后组合两个成本函数，对吗@是的，那是一种可能性。场景是无穷无尽的，你应该找到最适合你的情况。