AForge.NET - 向后传播学习总是返回值[-1; 1]

我有一些问题，反向传播学习使用AForge.NET - 神经学习 - 反向传播。我实际上尝试像样本一样实现神经网络（Aproximation）。我的问题是这样的： 1. input vector {1,2,3，...，19,20} 2.输出矢量{1,2,3，...，19,20}（它是线性函数） 3. ActivationNetwork network = new ActivationNetwork（new BipolarSigmoidFunction（2），1，20，1）; 4.然后约10k倍 - teacher.RunEpoch（输入，输出）;AForge.NET - 向后传播学习总是返回值[-1; 1]

学习完成后，我的network.Compute（）返回[-1; 1]中的值为什么？

在示例中有像向量（x - > [ - 1; 1]和y - > [-0.85; 0.85]）的值归一化的东西，当我这样做时，一切都很好......但它只是样本我想了解神经网络如何工作。我目前要实现的问题比较复杂（超过40个输入神经元）

任何人都可以帮助我吗？

来源

2013-05-12 DMan

我还没有和AForge一起工作，但BipolarSigmoidFunction最有可能是tanh，即输出在[-1,1]之内。这通常用于分类或有时用于有界回归。在您的情况下，您可以缩放数据或使用线性激活功能（例如标识，g(a) = a）。

来源

2013-05-12 09:53:33 alfa

谢谢，我看到我必须调整我的输入和输出或使用线性函数，但是足够扩展到更复杂的问题，我有超过40个输入神经元？ – DMan 2013-05-12 13:40:17

输入数量无关紧要。唯一可能发生的情况是：当您的输入变得非常大（这更可能是输入数量较高时），S形激活函数（例如逻辑函数tanh）“饱和”，即梯度几乎变为0.因此，学习将会非常缓慢甚至不可能。这就是为什么通常建议将输入缩放为[-1,1]并用非常小的随机数初始化神经网络的权重的原因。 – alfa 2013-05-12 17:33:05

AForge.NET - 向后传播学习总是返回值[-1; 1]

回答

相关问题