Neural network 神经网络的精度

我想知道神经网络是否能够回归非常接近的目标值。例如：

input [100 150 200 300]
output [0.99903 0.99890 0.99905 0.99895]

还是应该处理输出或目标数据

---

谢谢。

神经网络输入/输出值的三条规则：

规范化您的数据

规范化您的数据

你的数据

在数据上尝试一些规范化方案，然后查看输出点之间的距离。当然，别忘了对输入也要这样做

---

如果您的数据有多个维度，但此数据是一维的，也会有帮助。

夸特福德是对的，请规范化您的数据

理论上，神经网络可以学习这样一个目标。但我们正在用不精确的实数表示的真实计算机上工作。现在，想想这个：你训练你的神经网络，在训练过程中，当前的预测是：

输入[100 150 200 300]

输出[0.99905 0.99990 0.99903 0.99995]

我只是翻了100和200的结果。因此，误差平方和为4e-10。添加到神经网络权重中的值将更小。当您使用单精度浮点数时，这个数字已经有问题了。GNU八度音阶中的一个示例演示了这一点：

single(0.99905)+single(1e-10)
ans =  0.99905

---

这意味着在大多数ANN实现中，这是不可能的，或者：规范化数据。：）

多谢各位。我不是神经网络的专家用户，我一直在尝试看看matlab中的通用工具箱是否能解决这个问题，我观察到它不能产生足够准确的结果。因此，这需要非传统的标准化技术？传统的标准化技术就足够了您可以减去平均值并除以标准偏差，也可以将数据缩放到[-1,1]。谢谢。我在这里提出的案例就是一个例子，实际问题是多维的。但对于某些输出变量，差异很小，但值的微小差异会产生差异，观察结果是，matlab工具箱本身并没有捕获这种精度，假设它被准确地使用！！