【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
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
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。
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]
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
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:【讨论】: