在神经网络上计算输出

Question

我正在尝试创建神经网络，并且正在使用 aforge 框架。我有 3 个输入，20 个输出数据。像这样的输入： 0.4397 1.4492 0.57 ， 0.4296 1.5271 0.615 等。并输出像这样的数据： [0,0,0,0,1,0,0,0,0,0,0,0,0,0,0, 0,0,0,0,0] , [0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 0] 等。我正在计算的输出如下：

我知道，输出必须得到 [0,1] 但这里是 [-1,1]。我已经标准化了训练数据（除 100）和输出数据（除 100）。

我的问题是什么？提前致谢。 （对不起我的英语）

Answer 1

多层感知器（我假设你正在使用）的每个节点的输出不在 [0, 1] 或 [-1, 1] 中，而是在 [-∞, +∞] 中。通过这种方式，MLP 可以执行回归或分类。在您的情况下，由于您将其用于分类问题，因此输出通过激活函数传递，该激活函数将输出限制为特定间隔。

两个常用的此类函数是 sigmoid 函数和双曲正切函数，它们分别将输出映射到 [0, 1] 和 [-1, 1]。在您的情况下，框架很可能使用双曲线函数作为默认激活。你找到那个参数，它是 sigmoid/logistic 或类似的东西。

PS：不管以上，你确定你要解决的问题是正确的吗？ 3 个输入和 20 个输出似乎不太可能解决分类问题。