feed-forward

1热度

2回答

我想用tensorflow预测二进制输出。训练数据大约有69％的输出为零。输入特征是实值，我通过减去平均值和除以标准偏差对它们进行归一化。每次我运行网络时，无论我尝试过什么技术，我都无法获得精度高达69％的模型，而且看起来我的Yhat正在趋于全零。我已经尝试了很多像不同的优化器，损失函数，批量大小等等的东西。但不管我做什么，它收敛到69％，永远不会超过。我猜，我正在做的事情上有一个更有趣的问题，

0热度

1回答

RBM预训练Hinton纸张代码权重的MATLAB本地前馈网络工具箱

我想使用RBM预训练Hinton纸张代码的权重MATLAB本地前馈网络工具箱的权重。任何人都可以帮助我如何设置或安排feedforwardnet的预训练体重？例如，我使用Hinton的代码从http://www.cs.toronto.edu/~hinton/MatlabForSciencePaper.html 和使用预训练的权重为MATLAB feedforwardnet。 W=hintonR

0热度

1回答

为什么使用输出火花库（1 + 1）多层感知器的前面三角洲计算

看着this代码 for (i <- (L - 2) to (0, -1)) { layerModels(i + 1).computePrevDelta(deltas(i + 1), outputs(i + 1), deltas(i)) } 我想知道为什么我们通过outputs(i+1)，而不是outputs(i)在上述代码段中。据我了解，这只是需要S形活化层，其中有一个衍生物f'

1热度

2回答

前馈 - 神经网络Keras

我在前馈神经网络中的输入，这是我在Keras中实现的，我只是想检查我的理解是否正确。 [[ 25.26000023 26.37000084 24.67000008 23.30999947] [ 26.37000084 24.67000008 23.30999947 21.36000061] [ 24.67000008 23.30999947 21.36000061 19.77000046]..

0热度

1回答

如何在前馈过程中处理填充0

假设我有一个不同大小的输入列表，例如一些是形状[10,9,5]，一些是[7,6,5]，我有为了填充0来将它们馈入到具有相同大小的张量流中，比如说[10,9,5]，我需要进行矩阵乘法并在正向处理期间添加偏差，这将在填充的0位置中引入数字。所以我必须自己创建一个蒙版矩阵来掩盖它们？或者是否有从tensorflow更简单的方法？谢谢！顺便说一句，我不喂食序列，也不使用rnn。所以我不能使用动态rnn

2热度

1回答

神经网络为每次执行提供不同的结果

这是我用keras和tensorflow作为后端运行的确切代码。对于每个运行相同的程序，训练结果是不同的。有些时候，它在第400次迭代中获得了100％的准确度，并且在第200次中获得了一些次数。 training_data = np.array([[0,0],[0,1],[1,0],[1,1]], "float32") target_data = np.array([[0],[1],[1],[0

1热度

1回答

张量流单神经元前馈网络

我做了一个前馈单神经元网络。预测打印0.5，而打印0.0。我对tensorflow很陌生。请帮帮我。这是我的代码： """ O---(w1)-\ \ O---(w2)-->Sum ---> Sigmoid ---> O 3 inputs and 1 output / O---(w3)-/ | Input | Output Example 1 | 0

2热度

1回答

前馈backpropogation中的权重ANN不会改变

我正在设计一个带有22个输入和1个输出（1或0）的前馈BackPropogation ANN。神经网络有3层，使用10个隐藏的神经元。当我运行NN时，它只会轻微改变权重，输出的总误差约为40％。在本质上，我认为它是在过度/不足之下，但在改变了隐藏的神经元的数量之后，没有任何变化。 N是输入（22）数目M是在输出计算隐藏神经元（10）这是我使用的backpropagate OIN代码的数投入双曲

0热度

1回答

Encog反向传播错误不变

网络的总错误在超过100,000次迭代中没有变化。输入是22个值，输出是单个值。输入数组是[195] [22]，输出数组是[195] [1]。 BasicNetwork network = new BasicNetwork(); network.addLayer(new BasicLayer(null,true,22)); network.addLayer(new Basic

1热度

1回答

神经网络字符识别

假设我正在尝试创建一个神经网络来识别简单的5x5像素网格上的字符。我只有6个可能的字符（符号） - X,+,/,\,| 当前我有一个前馈神经网络 - 有25个输入节点，6个隐藏节点和一个输出节点（介于0和1之间--Sigmoid）。输出对应于一个符号。如'X' = 0.125,'+' = 0.275,'/' = 0.425等无论网络（测试）的输出是什么，对应于任何字符是最接近数字。即 - 0.