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

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注