预计神经网络逼近z= y^2 + x^2函数的速度有多快?当我把输入设为负值,并且所有的权重都变得非常小时,我的权重似乎也很小( *10^-16!)如果使用2x40x1)或全部变为相同数字(如使用2x20x1,则为-0.16和0.16 )。我每个时期使用2000个输入示例。
然而,如果所有输入都是正的,它似乎可以学习。这可能意味着什么?
你认为我应该使用多少个输入对来解决这个问题?
我使用backprop,无偏差的神经网络,有1个隐藏层(我的输入都在-1和+1之间,期望的输出是0,1)。
谢谢,
发布于 2010-09-23 09:13:37
对于正输入,函数是单调的。一旦你穿过原点,情况就不再是这样了。
我认为,为了开发具有非单调输出的神经网络,您可能需要允许非零偏差。
此外,确保您的实现没有进行有界优化,许多优化算法都包含了一个非负性假设。
发布于 2015-07-15 22:45:59
这取决于算法的目的是什么?如果您只想重新创建图形,那么过度拟合它是没有问题的,您应该训练它,直到增量误差最小为可能(接近0.0001)。
对于其他目的,建议不要过度拟合训练数据。
有关更多信息,请访问:http://neuralnetworksanddeeplearning.com/chap2.html或https://en.wikipedia.org/wiki/Backpropagation
https://stackoverflow.com/questions/3774476
复制相似问题