我想知道人工神经网络是否可以应用于离散值输入？我知道它们可以应用于连续值输入，但它们可以应用于离散值输入吗？另外，它们在处理离散值输入时表现良好吗？

回答：

嗯，问得好！

首先，让我直接回答你的问题：是的！

这个答案需要考虑关于网络本身的使用和实现的几个方面。

接下来让我解释一下原因：

• 最简单的方法是像往常一样对输入进行归一化，这是神经网络的首要经验法则。然后让神经网络计算任务，一旦得到输出，就反转归一化，以获得原始范围内的输出，但仍然是连续的。为了获得离散值，只需考虑输出的整数部分即可。这很简单，有效而且很好，完成！一个好的结果仅仅取决于你为你的网络设计的拓扑结构。

另外，您可以考虑使用“阶跃”传递函数，而不是层与层之间的“tan-sigmoid”，以此来加强和模仿一种数字化，迫使输出仅为0或1。但是你也应该重新考虑起始归一化以及微调过的阈值的使用。

注意：后一种技巧并不是真正必需的，但可能会带来一些次要的好处；也许可以在开发的第二阶段测试它，并观察差异。

PS: 我想建议一些可能适用于你问题的东西；如果你足够聪明，可以考虑在你的学习算法中使用一些模糊逻辑 😉

干杯！