Matlab 基于神经网络的信息特征选择
目标是减少神经网络的输入参数数量,因为假设其中一些参数没有信息(对输出值的影响很小)。我知道有内置的函数,但我需要使用神经网络进行还原Matlab 基于神经网络的信息特征选择,matlab,neural-network,reduce,Matlab,Neural Network,Reduce,目标是减少神经网络的输入参数数量,因为假设其中一些参数没有信息(对输出值的影响很小)。我知道有内置的函数,但我需要使用神经网络进行还原 有现成的解决方案吗?如果没有,那么我们可以告诉这个方向的东西,以及算法步骤等。据我所知,我需要循环神经网络?有现成的解决方案吗?您只需在第一层中添加L1正则化,它将强制选择最重要的功能。还有很多定义明确的数学解决方案,比如最佳脑外科医生移除权重的技术,这些技术实际上对最终预测没有帮助,可以很容易地调整以修剪整个神经元。这种任务不需要任何特定类型的神经网络,不需要
有现成的解决方案吗?如果没有,那么我们可以告诉这个方向的东西,以及算法步骤等。据我所知,我需要循环神经网络?有现成的解决方案吗?您只需在第一层中添加L1正则化,它将强制选择最重要的功能。还有很多定义明确的数学解决方案,比如最佳脑外科医生移除权重的技术,这些技术实际上对最终预测没有帮助,可以很容易地调整以修剪整个神经元。这种任务不需要任何特定类型的神经网络,不需要“循环神经网络”(不管是什么)。@lejlot,>它将强制选择最重要的功能。最后,我必须证明什么是不具信息性的,什么是被删除的。它是这样工作的(只需在第一层中添加L1正则化)?我如何从训练后的权重值中学习,其中一些是信息量,而哪些不是信息量?L1正则化使网络有利于将“0”权重设置为非信息部分,从而有效地将其从网络中移除,简单明了:-)唯一的问题是它是按权重而不是按神经元,但在许多情况下,这就足够了。