【发布时间】:2016-06-12 23:53:42
【问题描述】:
【问题讨论】:
-
首先,这实际上是一个三层网络:两个隐藏层和一个输出层。尽管如此,据说三层神经网络能够模拟任何问题(每层有足够的节点)。因此,您的问题的答案是:是的,这个网络可以满足很多用例
标签: machine-learning neural-network
【问题讨论】:
标签: machine-learning neural-network
多类设置与隐藏层数无关。您甚至可以删除所有这些,并最终得到简单的多项逻辑回归(线性模型),它可以很好地处理多类问题。网络深度通常用于一种架构启发式,目前已知它在广泛的任务(包括图像)上表现良好,因此添加更多层可能有利于解决更难的问题(并且多类设置肯定比二进制分类),但是,正如@jorgenkg 已经在评论中建议的那样,这不是必需,因为即使是单个隐藏层也足以(理论上!)对任何类型的连续函数建模所需的精度。 “唯一”的问题是你是否真的能够学习表现良好的浅层模型,但这是完全不同的问题。
【讨论】: