neural-network - 使用具有真假输出的神经网络

Question

由于我是神经网络的新手，我想问几个问题以便更清楚地理解它。

• 问题1:我想测试真/假结果(模式识别)，这是否意味着我的输出层将有 2 个中子？
• Q2:继续问题1，如果训练数据中只包含真实数据，那么测试数据中的所有结果将始终为真？ (因为我遇到了这个问题，并且 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 1 种类型的输出)。

我的训练数据:

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

有人可以告诉我我错在哪里吗？
非常感谢。

Answer 1

如果您只需要真/假响应，您的输出层应该只有一个神经元。如果该神经元处于事件状态，则将其视为 true。如果它不活跃，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，并且不会真正有帮助。您最终将训练您的网络始终以真实的方式做出响应。也许您应该找出一些会导致错误结果的数据并将其添加到训练数据中。

如果您的训练数据只有两种情况，并且它们都是正确的，那么您的网络实际上不会学到任何东西。您需要更多数据才能使模式清晰。

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。决定序列是否正确的因素可以是任意的。包括:

• 数字正在上升
• 它们朝同一方向移动
• 他们总是分开的
• 所有数字都在 10 以下

我不知道哪些是要求，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。

主要问题是您需要更多数据。

最后一点。人们常说神经网络擅长“模式匹配”。这是事实。然而，数字序列通常并不是“模式匹配”的含义。神经网络并不能真正很好地满足任何需要算术的需求。它们对于算术来说不够精确。因此，你永远无法很好地训练神经网络来识别一系列加倍数字。