【问题标题】:Neutral Net Regression中性净回归
【发布时间】:2016-08-10 15:24:15
【问题描述】:

用于回归(时间序列预测)和分类的神经网络架构有什么不同吗?

我做了一些回归测试,但结果很糟糕。

我目前正在使用一个基本的前馈网络,一个隐藏层有 2 到 4 个神经元,tanh 激活函数和动量。

【问题讨论】:

  • 你在回归和分类中都得到了不好的结果吗?回归不好,分类好?还是反过来?它也可能取决于数据
  • 我刚刚用 XOR 问题测试了分类并得到了很好的结果。但我为此使用了逻辑函数。

标签: machine-learning neural-network artificial-intelligence classification non-linear-regression


【解决方案1】:

这取决于很多因素:

  1. 在分类的情况下,您可能会遇到二元分类问题(您想要区分两个类别)或多项分类问题。在这两种情况下,您都可以使用不同的架构来实现最佳数据建模的目标。

  2. 在序列回归的情况下 - 您还可以使用不同架构的负载 - 从正常的前馈网络开始,该网络接收一个序列作为输入并将第二个序列作为输出返回到许多不同的递归架构。

    李>

因此,您提出的问题类似于:用于建造汽车的工具与用于建造桥梁的工具不同 - 它太模棱两可,您必须指定更多细节。

【讨论】:

  • 抱歉,我的问题不准确。我听说 RBF 网络在回归任务中的表现比 MLP 更好,而且我还听说 RNN(带有 Gates)在回归任务中优于 MLP。我应该在“哪种神经网络架构在时间序列预测中表现最好”中更改它,并询问架构之间的具体优势。
猜你喜欢
  • 2021-04-01
  • 2014-05-09
  • 2017-07-04
  • 1970-01-01
  • 2019-10-09
  • 1970-01-01
  • 2012-10-28
  • 2018-07-31
  • 2021-12-14
相关资源
最近更新 更多