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 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

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。