Machine learning 人工神经网络训练与测试

我正在尝试创建一个ANN，它将解决一个简单的分类问题。我使用的示例是一个学位分类，因此输入将是0-100之间的百分比，输出将是五个百分比中的一个（1，2:1，2:2…）

目前我已经建立了一个三层的神经网络，1个输入神经元，3个隐藏神经元和5个输出神经元，我已经设法用一个输入（例如60）和输出（1,0,0,0）来训练网络。我不确定我将如何为每个输入和输出组合正确地训练网络，以便在训练后我能够输入百分比，并且正确的输出神经元将是最接近1的数字

该网络使用标准的前馈和反向传播算法、随机权重和Sigmoid函数

我有一个文件，我认为它可以处理0-100的输入，输出介于两者之间：

0
1,0,0,0,0

1
1,0,0,0,0

40
0,1,0,0,0,0

100
0,0,0,0,1

---

谢谢

我不太理解您试图学习的功能，但这并不重要。训练ANN的常用方法是使用SGD（随机梯度下降），其中使用反向传播每次计算每个示例的梯度。您只需在所有输入示例上重复此操作，直到它了解这些示例为止

---

有一件事你没有提到，你需要一个损失函数。在您的情况下，一个简单的均方误差可能是合适的。

我建议您看看用于分类的

classifier.py

python脚本，在这个链接中- 以上教程的完整代码可在此链接获得-

上述链接的分类器脚本用于预测一个国家的人均GDP是否高于平均GDP。一、 但是，将脚本用于不同类型的数据集。

---

我能够在Theano中成功地训练神经网络，使用上述分类器脚本将语音分类为字母“a”或“E”。

不需要隐藏层，每个输出一个神经元就足够了，每个输入一个。这是因为你的函数是线性的。添加3个隐藏层只会导致输入受限的问题。考虑更多的输入或不同的问题，需要使用隐层的神经网络。