Neural network 使用真输出和假输出的神经网络

由于我是神经网络新手，为了更清楚地理解它，我想问几个问题

• 问题1：我想测试真/假结果（模式识别），那么这是否意味着我的输出层将有2个中子
• 问题2：继续问题1，如果在训练数据中，它只包含真实数据，那么测试数据中的所有结果总是真实的？（因为我遇到了这个问题，而Encog库不允许我指定两个输出中子，因为我在训练数据中只有一种类型的输出）

我的培训数据：

1,2,3,4 Pattern1
6,7,8,9 Pattern1

我的测试数据：

4,3,2,1 Pattern2

这是我从encog得到的结果： 神经网络结果：

0.0,0.0, actual=-0.05972914453206861,ideal=1.0

有人能告诉我哪里错了吗？

---

非常感谢。

如果您只需要一个真/假响应，那么您的输出层应该只有一个神经元。如果那一个神经元是活跃的，就当作是真的。如果未激活，则将其视为false

如果您的训练数据只有真实值，那么它就是坏数据，不会真正起作用。你只需要训练你的人际网络，使其始终以真实的方式回应。也许您应该找出一些可能导致错误结果的数据，并将其添加到训练数据中

如果您的培训数据只有两种情况，并且它们都是正确的，那么您的网络将不会真正学到任何东西。你需要更多的数据来明确模式

去问一个聪明人（我们拥有的最好的神经网络）以下问题：

1,2,3,4 is true; 6,7,8,9 is true. Is 4,3,2,1 true?

他们不知道。我不知道。没人知道。我不知道标准是什么。它可以是任何数量的事物来决定序列是否正确。包括:

• 数字在上升
• 它们朝着同一个方向移动
• 他们总是分开的
• 所有的数字都在10以下

我不知道其中哪些是需求，哪些不是。不知道。而你正在制作的神经网络的想法就更少了

主要的问题是你需要更多的数据

---

最后一个音符。人们常说，神经网络擅长“模式匹配”。这是真的。然而，数字序列通常不是“模式匹配”的意思。任何需要算术运算的东西都不会被神经网络很好地服务。它们在算术上不够精确。因此，你永远无法训练一个神经网络，例如识别一个双倍数序列。

在输出字段中，将模式1转换为0，将模式2转换为1。然后确保训练和测试数据中都有0和1个样本，正如@Damien Black所提到的。我想1,2,3,4只是@Xitrium给出的一个例子。假设真实数据不太几何谢谢你的回答，还有一点我想澄清的是，由于神经网络需要真实和错误的数据进行操作，这是否也适用于支持向量机的一类分类？