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:Neural network 神经网络的精度,neural-network,Neural Network,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
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:
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!!