- 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?
不久前我读过关于神经网络的文章,我了解 ANN(尤其是通过反向传播学习的多层感知器)如何学会将事件分类为真或假。
我认为有两种方法:
1) 你得到一个输出神经元。它的值 > 0.5 事件可能是真的,如果它的值 <=0.5 事件可能是假的。
2)你得到两个输出神经元,如果第一个的值大于第二个的值,则事件可能为真,反之亦然。
在这些情况下,ANN 会告诉您某个事件可能是真的还是可能是假的。它没有说明它的可能性有多大。
有没有办法将此值转换为某些赔率或直接从 ANN 中获得赔率。我想得到类似“事件有 84% 的概率是真的”这样的输出
最佳答案
一旦神经网络被训练,例如。使用问题中提到的反向传播(反向传播逻辑以最小化误差函数的方式“微调”权重)与所有单个输入(“外部”输入或神经网络内输入)相关联的权重是固定的。然后可以将 NN 用于分类目的。
因此,学习阶段的数学(和“选项”)可能会变得有点厚,作为分类器操作时它相对简单和直接。主要算法是计算每个神经元的激活值,作为该神经元输入 x 权重的总和。然后将该值馈送到激活函数,其目的是对其进行规范化并将其转换为 bool 值(在典型情况下,因为某些网络对其某些层没有全有或全无的规则)。激活函数可能比您指出的更复杂,特别是它不必是线性的,但无论它的形状如何,通常是 sigmoid,它都以相同的方式运行:找出激活函数在曲线上的位置,如果适用,则在上面或低于阈值。然后,基本算法处理给定层的所有神经元,然后再进行下一层。
考虑到这一点,使用感知器的能力用百分比值限定其猜测(或实际上是猜测 - 复数)的问题找到了一个简单的答案:你打赌它可以,它的输出是实值的(如果有的话)需要归一化),然后我们使用问题中描述的激活函数和阈值/比较方法将其转换为离散值(在多个类别的情况下为 bool 值或类别 ID)。
所以......我如何以及在哪里获得“我的百分比”?......一切都取决于NN的实现,更重要的是,该实现决定了可用于将激活值带入0-1的归一化函数的类型范围和所有百分比的总和“加起来”为 1 的方式。在最简单的形式中,激活函数可用于对值进行归一化,输出层输入的权重可用作确保“加起来”到 1 个问题(前提是这些权重本身确实如此归一化)。
等等!
澄清 :(按照马修的注释)
人们不需要改变神经网络本身的工作方式;唯一需要做的就是以某种方式“ Hook ”输出神经元的逻辑以访问它们计算的 [实值] 激活值,或者,可能更好的是,在其 bool 转换之前访问激活函数的实值输出(通常基于阈值或某些随机函数)。
换句话说,NN 和以前一样工作,它的训练和识别逻辑都没有改变,NN 的输入保持不变,各个层之间的连接也是如此。我们只得到了实值激活的副本输出层中的神经元,我们用它来计算一个百分比。百分比计算的实际公式取决于激活值的性质及其相关函数(其规模、相对于其他神经元输出的范围等)。
以下是一些简单的案例(取自问题的建议输出规则)
1)如果有单个输出神经元:激活函数提供的值相对于该函数的范围的比率应该做的。
2)如果有两个(或多个输出神经元),例如分类器:如果所有输出神经元具有相同的激活函数,则给定神经元的百分比是其激活函数值除以所有激活函数的总和的百分比值。如果激活函数发生变化,则情况会因具体情况而异,因为不同的激活函数可能表明有意为某些神经元赋予更多权重,百分比应尊重这一点。
关于artificial-intelligence - 如何将人工神经网络的输出转换为概率?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1523420/
Closed. This question is off-topic。它当前不接受答案。 想改善这个问题吗? Update the question,所以它是用于堆栈溢出的on-topic。 已关闭8
我们正在为跳棋游戏开发神经网络。在我们的训练数据中, 0代表空白单元格,1代表白 block ,-1代表白王,2代表黑 block ,-2代表黑王 因此,我们需要的是范围为 [-2, 2] 的激活函数
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 9
我回答了一个问题,其中给出了两个启发式算法,要对其进行 A* 以找到从起始状态到目标状态的路径。 其中一种启发式方法通过减少一个节点的扩展找到了一条路径 - 现在出于这个原因,我们可以说这种启发式方法
就目前而言,这个问题不适合我们的问答形式。我们希望答案得到事实、引用资料或专业知识的支持,但这个问题可能会引发辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the
我正在尝试用 C 语言实现一些 AI 规划算法,但被基本概念困住了 :) 在跳到主要问题之前,我尝试实现一些支持命题逻辑的小框架: FORMULA f = PROPOSITION(a + 3 > 0)
我知道决策树试图将具有高熵的分类器放在决策树上。然而,信息增益如何发挥作用呢? 信息增益定义为: InformationGain = EntropyBefore - EntropyAfter 决策树是
我正在研究梳子方法,以减少模糊逻辑规则的“组合爆炸”。有一个示例,摘自“Programming Game AI from example”(由 Mat Buckland 撰写): The theory
我知道人工智能领域非常广阔,有很多关于它的书籍。但我只想知道我可以得到所有人工智能技术的简单介绍的任何资源,例如 它希望有 1 或 2 页的介绍所有技术及其示例,说明如何应用它们或将它们用于什么目的。
我最近对游戏中应用的蒙特卡罗树搜索产生了兴趣。 我读过几篇论文,但我使用“蒙特卡罗树搜索”Chaslot, G 的博士论文,因为我发现它更容易理解蒙特卡罗树搜索的基础知识 我试图对其进行编码,但遇到了
我最近开始在 coursera 上学习概率图形模型,开始后 2 周我开始相信我在概率方面不是那么好,因此我什至无法关注第一个主题(贝叶斯网络)。话虽如此,我想努力学习这门类(class),所以您能否向
我觉得这应该是AI的问题。 是否有任何算法可以在给定任何数字序列的情况下找到模式? 模式可以是抽象的,因为它可以是... 例如: 12112111211112 ... ( increasing num
这是我了解神经网络开始的一件事,是我不太了解最初要设置“偏见”的原因吗? 我了解Perceptron会根据以下内容计算其输出: P * W + b> 0 然后可以基于b = b + [G-O]计算学习
我正在尝试为“连续蛇”游戏实现 AI。它与普通的蛇游戏非常不同,至少就 AI 而言。基本上,蛇的驾驶方式有点像汽车,两个玩家中第一个撞上他的踪迹或另一个人的踪迹输掉比赛。此外,屏幕环绕其边框。 如果您
有人可以用非常简单的词来解释它是什么。也提供一个例子。因此,例如,如果您必须找到某事物的启发式函数,它应该是什么样子的? 以问题为例: 对于水壶问题http://www.math.tamu.edu/~
我想要一个词(例如“Apple)并处理一个文本(或者更多)。我想提出相关的术语。例如:处理Apple的文档并发现iPod,iPhone,Mac是与“苹果”相关的术语。 关于如何解决这个问题的任何想法?
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 6年前关闭。 Improve thi
关闭。这个问题需要debugging details .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve this questio
我计划将 Nguyen-Widrow 算法用于具有 的 NN多个隐藏层 .在研究的过程中,我发现了很多歧义,我想澄清一下。 以下是 Nguyen-Widrow 算法的伪代码 Initial
我喜欢在强化学习方面做兼职研究。近年来(截至2009年)在rl-competition.org举办了强化学习竞赛。有一些非常有趣的问题,但这似乎已停止。我很想提高我的技能和知识,并与该领域的其他爱好者
我是一名优秀的程序员,十分优秀!