- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试创建一个人工神经网络来计算/分类一个/任何公式。
我最初尝试复制斐波那契数列。我使用输入:
我试图克服的问题是如何标准化可能无限或呈指数级扩展的数据?然后,我尝试创建一个 ANN 来计算输入的斜率截距公式 y = mx+b (2x+2)
我再次不知道如何标准化数据。如果我仅对训练数据进行标准化,网络如何能够使用标准化所用之外的输入进行计算或分类?
那么是否可以创建一个人工神经网络来计算/分类公式 ((a+2b+c^2+3d-5e) modulo 2),其中公式未知,但输入(一些)a, b、c、d 和 e 以及输出都给出了吗?本质上是对计算输出是奇数还是偶数以及输入是否在 -+无穷大之间进行分类...
最佳答案
好的,我想我明白你现在想要做什么。基本上,您将拥有一组代表函数系数的输入。您希望人工神经网络告诉您具有这些系数的函数是否会产生偶数或奇数输出。如果这是错误的,请告诉我。这里有一些潜在的问题:
首先,虽然可以使用神经网络进行加法,但通常效率不高。您还需要以非常具体的方式设置 ANN,可以使用与通常使用不同的节点类型,或者设置复杂的循环拓扑。这可以解释您在斐波那契数列和直线方程方面缺乏成功的原因。
但是还有一个更根本的问题。您可能听说过 ANN 是通用函数逼近器。但是,在这种情况下,人工神经网络正在学习的函数将不是您的公式。当你有一个 ANN 学习输出 0 或 1 来响应一组输入时,它实际上是在尝试学习一条线(或一组线,或超平面,取决于拓扑)的函数,该函数将所有输出应为 0 的输入来自输出应为 1 的所有输入。(请参阅 this question 的答案以获得更全面的解释和图片)。因此,问题是是否存在一个超平面将导致偶数输出的系数与导致奇数输出的系数分开。
我倾向于说这个问题的答案是否定的。例如,如果您考虑示例中的 a
系数,您会发现每次将其增加或减少 1 时,正确的输出都会切换。对于 c、d 和 e 项也是如此。这意味着不存在大量相对相似的输入都返回相同的输出。
为什么需要知道未知函数的输出是偶数还是奇数?可能还有其他更合适的技术。
关于machine-learning - 用于公式分类/计算的人工神经网络,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25839964/
基本上,我的问题是,由于无监督学习是机器学习的一种,是否需要机器“学习”的某些方面并根据其发现进行改进?例如,如果开发了一种算法来获取未标记的图像并找到它们之间的关联,那么它是否需要根据这些关联来改进
生成模型和判别模型似乎可以学习条件 P(x|y) 和联合 P(x,y) 概率分布。但从根本上讲,我无法说服自己“学习概率分布”意味着什么。 最佳答案 这意味着您的模型要么充当训练样本的分布估计器,要么
是否有类似于 的 scikit-learn 方法/类元成本 在 Weka 或其他实用程序中实现的算法以执行常量敏感分析? 最佳答案 不,没有。部分分类器提供 class_weight和 sample_
是否Scikit-learn支持迁移学习?请检查以下代码。 型号 clf由 fit(X,y) 获取 jar 头型号clf2在clf的基础上学习和转移学习 fit(X2,y2) ? >>> from s
我发现使用相同数据的两种交叉验证技术之间的分类性能存在差异。我想知道是否有人可以阐明这一点。 方法一:cross_validation.train_test_split 方法 2:分层折叠。 具有相同
我正在查看 scikit-learn 文档中的这个示例:http://scikit-learn.org/0.18/auto_examples/model_selection/plot_nested_c
我想训练一个具有很多标称属性的数据集。我从一些帖子中注意到,要转换标称属性必须将它们转换为重复的二进制特征。另外据我所知,这样做在概念上会使数据集稀疏。我也知道 scikit-learn 使用稀疏矩阵
我正在尝试在 scikit-learn (sklearn.feature_selection.SelectKBest) 中通过卡方方法进行特征选择。当我尝试将其应用于多标签问题时,我收到此警告: 用户
有几种算法可以构建决策树,例如 CART(分类和回归树)、ID3(迭代二分法 3)等 scikit-learn 默认使用哪种决策树算法? 当我查看一些决策树 python 脚本时,它神奇地生成了带有
我正在尝试在 scikit-learn (sklearn.feature_selection.SelectKBest) 中通过卡方方法进行特征选择。当我尝试将其应用于多标签问题时,我收到此警告: 用户
有几种算法可以构建决策树,例如 CART(分类和回归树)、ID3(迭代二分法 3)等 scikit-learn 默认使用哪种决策树算法? 当我查看一些决策树 python 脚本时,它神奇地生成了带有
有没有办法让 scikit-learn 中的 fit 方法有一个进度条? 是否可以包含自定义的类似 Pyprind 的内容? ? 最佳答案 如果您使用 verbose=1 初始化模型调用前 fit你应
我正在使用基于 rlglue 的 python-rl q 学习框架。 我的理解是,随着情节的发展,算法会收敛到一个最优策略(这是一个映射,说明在什么状态下采取什么行动)。 问题 1:这是否意味着经过若
我正在尝试使用 grisSearchCV 在 scikit-learn 中拟合一些模型,并且我想使用“一个标准错误”规则来选择最佳模型,即从分数在 1 以内的模型子集中选择最简约的模型最好成绩的标准误
我正在尝试离散数据以进行分类。它们的值是字符串,我将它们转换为数字 0,1,2,3。 这就是数据的样子(pandas 数据框)。我已将数据帧拆分为 dataLabel 和 dataFeatures L
每当我开始拥有更多的类(1000 或更多)时,MultinominalNB 就会变得非常慢并且需要 GB 的 RAM。对于所有支持 .partial_fit()(SGDClassifier、Perce
我需要使用感知器算法来研究一些非线性可分数据集的学习率和渐近误差。 为了做到这一点,我需要了解构造函数的一些参数。我花了很多时间在谷歌上搜索它们,但我仍然不太明白它们的作用或如何使用它们。 给我带来更
我知道作为功能 ordinal data could be assigned arbitrary numbers and OneHotEncoding could be done for catego
这是一个示例,其中有逐步的过程使系统学习并对输入数据进行分类。 它对给定的 5 个数据集域进行了正确分类。此外,它还对停用词进行分类。 例如 输入:docs_new = ['上帝就是爱', '什么在哪
我有一个 scikit-learn 模型,它简化了一点,如下所示: clf1 = RandomForestClassifier() clf1.fit(data_training, non_binary
我是一名优秀的程序员,十分优秀!