人工神经网络输入理解答案

【问题标题】：Artificial Neural Networks input comprehension人工神经网络输入理解
【发布时间】：2015-07-27 10:46:33
【问题描述】：

我是 A.N.N.s 的初学者。我理解这个概念，但没有直接解释为什么输入是一系列 0 和 1，而输出也是一系列 0 和 1。

我在Neural networks - input values 上读到，您可以使用数据规范化函数对输入进行编码，以便将其转换为 0 到 1 之间的数字。

是这样还是我理解错了？

您是否还认为您可以为我指明正确的方向，即我应该拿起哪些文章/讲课材料来解决问题？

【问题讨论】：

我不认为输出总是二进制的——例如，您可以在输出层使用一些带有 softmax 的多层感知器以某种概率进行分类。输入也是如此 - 没有什么不允许我们在这里使用真实值。

【解决方案1】：

我现在正在重新学习网络，并提出了类似的问题。

很难知道你的确切情况是什么，但对我来说，激活总是在 0-1 的范围内，因为我的激活函数是 sigmoid 函数，它的输出总是在 0-1 的范围内（尽管你'需要问一个数学导向的人为什么会这样）。

假设您使用简单的阶跃函数代替激活函数。这也可能在逻辑上只取 0 或 1（但两者之间没有），并且也会输出 0 或 1。

所以答案似乎是：网络中的激活范围由使用的激活函数定义。

【讨论】：

我有 4 个从 0 到 999 的输入值，我可能希望输出值是一个介于 0 到 999 之间的字符串或数字。
@Tudor 我还没有尝试解决这个问题。我实际上正在编写一个基于图表的网络，所以希望我能尽快对其进行测试。当我到达那一点时，我的计划只是扩大数字。如果您将输入除以 1000，它将在范围内。然后你只需要在输出端乘以 1000。
谢谢！我回家后一定会试试这个。
@tudorbalus Np。告诉我结果如何。我的网络失控了，所以我可能需要进行重构。我很好奇缩放输入/输出是否可行，但我无法很快对其进行测试。
工作就像一个魅力！非常感谢！

【解决方案2】：

正如您自己提到的，您可以将所有内容放入编码在 0 和 1 之间的 ann 中。为了在 java 和 ANN 中轻松输入，您可以找到很多库。例如：NEUROPH

神经元在通常介于 0 和 1 之间的阈值触发。

所以使用这个库并玩弄一个简单的网络并阅读一些基础文献。

【讨论】：

实际上，整个问题源于我在 Neuroph API 以及网络各处都看到了这种限制。 :D 好的，将看一下论文并尝试 Carcigenicate 的建议：通过除以 1000 来缩小。感谢您的建议！