Neural network 神经网络特征优先
有一种神经网络可以对某些输入给予重视 我有一个类似的问题(实际由两个不同的NN解决): 情景1) 输入:10101:目标:23 情景2) 输入:10101:目标:29 我是否可以对两个输入使用相同的神经网络,将情况用作单个神经网络的另一个输入 这种方法的一个问题是我有50种不同的情况 有人有好主意吗Neural network 神经网络特征优先,neural-network,Neural Network,有一种神经网络可以对某些输入给予重视 我有一个类似的问题(实际由两个不同的NN解决): 情景1) 输入:10101:目标:23 情景2) 输入:10101:目标:29 我是否可以对两个输入使用相同的神经网络,将情况用作单个神经网络的另一个输入 这种方法的一个问题是我有50种不同的情况 有人有好主意吗 安德烈我认为你最好的办法是再增加50个输入神经元,并点亮其中一个,以表明你的情况。 为了使其更小,您可以只使用6个输入神经元,并以二进制代码点亮它们(情况13=101100作为输入神经元的输入) 另
安德烈我认为你最好的办法是再增加50个输入神经元,并点亮其中一个,以表明你的情况。 为了使其更小,您可以只使用6个输入神经元,并以二进制代码点亮它们(情况13=101100作为输入神经元的输入) 另一个解决方案是针对每种情况训练神经网络,并保存其权重+偏差。然后,为了解决这个问题,你们首先要根据你们想做的情况应用权重+偏差,然后计算输出 我能想到的最后一个选择是创建50个不同的神经网络,并使用您需要的一个 我认为在二元结构中增加6个神经元的解决方案是正确的。
您最多可以有64种不同的情况。添加第7个神经元可以将您的情况计数扩展到124,下一个神经元的数量将加倍Maximus CZ,很好!!我试过一个小版本(不是全部50种不同的类型)。。。问题在于,这不是一种分类方法,而是一个回归问题。所以,我会在一个输入1-50个值(指定情况),它不工作。。。我错过了什么???所以它不是(int)50,而是(double)50,所以情况的数量实际上是无限的?对于每种情况,您想要不同的输出?如果不是,在(int)50种情况下,将其转换为二进制并喂养6个神经元应该有效。请记住,您需要为每个输入组合训练整个数据集。