使用非常随机输入网络的ANN结果

最初,我在Matlab中实现了一个反向传播网络,并将其用于XOR问题。然而,现在我使用了以下输入/目标组合来使用相同的网络。

输入 = [0 0; 0 1; 1000 0; 1 1],目标 = [0; 1000; 1; 0]

我得到的输出是 [1;1;1;1]

网络完全无法学习这个网络。能有人解释一下这是为什么吗?我该怎么做才能构建一个能够学习这种小型输入输出网络的网络呢?

任何解释都将不胜感激。

此致敬礼[@人名]


回答:

这看起来像是一个缩放问题。在你最初的XOR问题中,输入和输出都在可比较的尺度上,即[0,1]。在你修改后的问题中,一些输入似乎是[0,1],而另一些是[0,1000]。

解决方案是将输入标准化到相似的尺度上:通常使用[0,1]或[-1,1]。在你的情况下,可能只需将输入除以1000,就可以将范围调整到[0,1]。别忘了将输出反标准化(即在你的情况下乘以1000)以返回到原始尺度。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注