我正在尝试创建一个神经网络，用于判断我提供的输入是否有效。问题是我只有有效的输入数据来进行训练。

目前，我正在尝试构建一个能够验证MNIST数字0到4之间的有效性的密集模型。其他所有的数字都应被视为无效。我最初的尝试是用0到4之间的数字作为有效输入进行训练，而用随机像素的图像作为无效输入（这些图像的黑色像素百分比与正常图像相同），但遗憾的是，这种方法不起作用。当我用5到9之间的数字进行测试时，它们被识别为有效输入。

因此，我开始怀疑这种训练方式是否可行。

我意识到可能有更好的方法来实现这一点，也许可以使用自编码器或其他类型的网络，但目前我只想尝试使用密集层来进行尝试。

谢谢你。

回答：

你所寻找的是单类分类，也称为一元分类或类建模。

快速谷歌搜索建议训练一个自编码器，并定义如果重构误差低于特定阈值，则对象属于你的类别。

但如果你开始构建这样的系统，我建议你首先尝试使用单类K近邻或单类SVM，看看是否能得到可接受的结果。如果可以，你可以使用“极其复杂的开发”解决方案，即自编码器来改进你的结果。