【问题标题】:can use more than ten inputs with a single layer neural network to separate into two categories可以使用单层神经网络的十多个输入来分成两类
【发布时间】:2016-03-10 02:38:18
【问题描述】:

我有一个包含 12 个类别的模式数据。我想将这些数据分为两类。那么谁能告诉我是否可以使用具有 12 个输入值和偏置项的单层神经网络?而且我也用matlab实现了它,但我有些怀疑什么应该是最好的初始权重值(范围)和可能的学习率?你能指导我处理这些案例吗?

【问题讨论】:

    标签: matlab architecture neural-network perceptron


    【解决方案1】:

    单层就够了吗?

    单个隐藏层是否足以正确标记输入数据取决于数据的复杂性。您应该凭经验尝试不同的拓扑结构(层和神经元数量的组合),直到找到适合您的设置。

    最佳体重范围是多少?

    推荐的权重范围取决于您打算使用的激活函数。对于sigmoid函数,范围是以0为中心的小区间,例如:[-0.1, 0.1]

    理想的学习率是多少?

    学习率通常设置为较小的值,例如 0.03,但如果您的网络很容易学习数据,您通常可以大幅提高学习率,例如:0.3。查看有关学习率如何影响学习过程的讨论:https://stackoverflow.com/a/11415434/1149632

    附注

    您应该在 Web 上搜索一些提示和技巧,而不是在 StackOverflow 上发布更多中肯的问题。

    看一下这个:

    http://www.willamette.edu/~gorr/classes/cs449/intro.html

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 2015-04-02
      • 2013-05-27
      • 1970-01-01
      • 2019-07-27
      • 1970-01-01
      • 2011-03-28
      • 2014-04-11
      • 2020-06-25
      相关资源
      最近更新 更多