Tensorflow 是否可以使用Keras优化数学函数的系数?
一般来说,我对神经网络非常陌生。Tensorflow 是否可以使用Keras优化数学函数的系数?,tensorflow,optimization,keras,Tensorflow,Optimization,Keras,一般来说,我对神经网络非常陌生。我想知道我是否有一个点的列表(x,y),它来自一个二次函数,看起来像这样(ax^2+bx+c) 将这些点输入神经网络,然后 是否将系数a、b和c作为网络的输出 我知道我可以简单地使用多项式回归来实现我的目标。这不是重点 如果你想知道如何使用神经网络进行多项式回归,以下是配方 数据集由点(x,y)组成。将您的网络设计为具有1个输入层和1个输出层的完全连接的网络(密集网络)。输入层由2个节点组成,输出层由1个节点组成。然后,向网络输入x和x^2。输出将计算为:
我想知道我是否有一个点的列表
(x,y)
,它来自一个二次函数,看起来像这样(ax^2+bx+c)
- 将这些点输入神经网络,然后
- 是否将系数
作为网络的输出a、b和c
我知道我可以简单地使用多项式回归来实现我的目标。这不是重点
(x,y)
组成。将您的网络设计为具有1个输入层和1个输出层的完全连接的网络(密集网络)。输入层由2个节点组成,输出层由1个节点组成。然后,向网络输入x
和x^2
。输出将计算为:
y = w * X + c
其中,w
是可学习参数的矩阵。具体来说,它的形状为1x2,因为它包含参数a
和b
<代码>c是一种偏见。输入矩阵X
的形状为2xN,其中N
是数据集中的点数,对于每个点,第一个分量是X^2
,第二个分量是X
作为损失函数,使用标准均方误差损失。至于优化器,简单的随机梯度下降应该可以很好地工作。在收敛时,w
和c
足以逼近真正的二次函数
我不知道keras,但我认为自己弄清楚如何实现这个朴素的网络并不困难。如果你想知道如何使用神经网络进行多项式回归,下面是配方 数据集由点
(x,y)
组成。将您的网络设计为具有1个输入层和1个输出层的完全连接的网络(密集网络)。输入层由2个节点组成,输出层由1个节点组成。然后,向网络输入x
和x^2
。输出将计算为:
y = w * X + c
其中,w
是可学习参数的矩阵。具体来说,它的形状为1x2,因为它包含参数a
和b
<代码>c是一种偏见。输入矩阵X
的形状为2xN,其中N
是数据集中的点数,对于每个点,第一个分量是X^2
,第二个分量是X
作为损失函数,使用标准均方误差损失。至于优化器,简单的随机梯度下降应该可以很好地工作。在收敛时,w
和c
足以逼近真正的二次函数
我不知道keras,但我认为自己弄清楚如何实现这个幼稚的网络并不困难。“我知道我可以简单地使用多项式回归来实现我的目标。这不是重点。”这句话是什么意思?你问的正是多项式回归。我知道,但我只是好奇神经网络是否能做到“我知道我可以简单地使用多项式回归来实现我的目标。这不是重点。”这句话是什么意思?你问的正是多项式回归。我知道,但我只是好奇神经网络是否能做到