machine-learning - 神经网络的输入可以是实值吗？

Question

我正在使用 sigmoid 函数。我的所有输入的输入值范围为 0.88 到 1.06。可以在这个范围内使用实值输入吗？我在神经网络上发现的每个例子都使用二进制输入。另外，由于输入代表增加/减少百分比，我是否应该从每个输入中减去 1，以便范围为 -.12 到 0.06？

Answer 1

您可以为神经网络使用实值输入。然而，常见的做法是对它们进行标准化，使它们位于区间 [0, 1] 或 [-1, 1] 内。这样做可以让你避免梯度的数值问题，这些问题可能会导致学习速度非常慢。标准化输入值的常用公式为 v = (v - Mean)/stdDev 和 v = (v - min)/(max - min)，其中 v 是您的输入值之一(一个输入向量中的一个分量)，mean 是数据中该分量的平均值，stdDev 是标准差min 是数据中该组件的最小值，max 是数据中该组件的最大值。

E. G。 [0, 0], [2, 1] 可能会转换为 [(0 - 0)/2, (0 - 0)/1], [(2 - 0)/2、(1 - 0)/1] = [0, 0], [1, 1](根据第二个公式)。