【问题标题】:Results from ANN with very random input network具有非常随机输入网络的 ANN 结果
【发布时间】:2012-02-01 01:58:24
【问题描述】:

最初我在 Matlab 中实现了一个反向传播网络,并在 XOR 上使用它。但是,现在我正在使用以下输入/目标组合来使用相同的网络。

输入 = [0 0; 0 1; 1000 0; 1 1],目标 = [0; 1000; 1; 0]

我得到的输出为[1;1;1;1]

网络根本无法学习网络。谁能解释为什么会这样?如果我要构建一个可以学习这么小的 I/O 网络的网络,我该怎么办?

非常感谢任何解释。

问候 最大

【问题讨论】:

    标签: artificial-intelligence neural-network xor backpropagation


    【解决方案1】:

    这看起来像是一个缩放问题。在您最初的 XOR 问题中,输入和输出都在可比较的范围内,即 [0,1]。在您修改后的问题中,一些输入似乎是 [0,1] 和一些 [0,1000]。

    解决方案是将输入标准化为相似的尺度:通常使用 [0,1] 或 [-1,1]。 在您的情况下,将输入除以 1000 以将您的范围放入 [0,1] 可能就足够了。不要忘记对输出进行非规范化(即在您的情况下乘以 1000)以返回原始比例。

    【讨论】:

    • 非常感谢!缩放问题是什么意思?你能放点光吗?
    • 您的一个输入比另一个大 一千 倍。输入的大小应该相似。
    • 非常感谢!而且无论我对网络配置进行什么更改,输出仍然是 1,1,1,1。有什么理由不改变?我是这个领域的新手,我的印象是网络权重会由于随机初始化而发生变化。为什么我每次都以相同的输出着陆?
    猜你喜欢
    • 2012-02-06
    • 1970-01-01
    • 1970-01-01
    • 2023-03-08
    • 1970-01-01
    • 2018-08-14
    • 1970-01-01
    • 1970-01-01
    • 2022-08-19
    相关资源
    最近更新 更多