回答情况：
提问时间：
问题标签：
在阅读了一些理论之后，我对以下术语感到有点困惑：深层神经网络前馈神经网络深层神经网络是一种具有多层结构的前馈神经网络。
我知道前馈神经网络是什么，但据我所知，深神经网络是指在输入和输出层之间有多个层次的所有人工神经网络？例如，难道不应该有深层递归神经网
浏览 0修改于2019-07-15得票数 3
回答已采纳
AndroidRuntime(25416): optimus+(KZN)+beat+megatron+(WP)+3-005-29 06:55:49.230: E/AndroidRuntime(25416): (11-6,+11
浏览 2提问于2015-05-29得票数 0
我从各种渠道了解到有4种类型的“节点”：输入神经元、隐藏神经元、输出神经元和所谓的偏置神经元。我看不出哪个过程可能会产生偏置神经元，这在第16页的this paper中有描述。我知道在变异时可能会产生新的神经元，但它需要两个神经元之间的现有连接，这两个神经元将被这个新神经元分割(基于paper already mentioned，第10页)。然而，偏置神经元没有“输入”连接，因此它显然不能以上述方式创建。那么，详细地
浏览 27修改于2019-02-24得票数 2
回答已采纳
3回答
让我举一个我正在努力解决的例子：考虑以下神经:正中神经、尺神经、桡神经。左侧正中神经病变的诊断。右桡骨神经病变的指征。
每条语句都是由一组语句生成的，并且可以将这些语句组合在一起，使其具有每个变体。然而，当有更多的神经时，方差就会指数地上升。如果我有5个神经，那么它就
浏览 0修改于2012-08-06得票数 2
我试着理解在输出层中使用只有一个输出神经元和多个神经元的神经网络之间的区别。
有谁知道区别吗？
浏览 2提问于2021-01-06得票数 0
回答已采纳
我试图用Java编写一个神经网络它应该能够解决异或函数。我理解神经元(感知器)是如何工作的，以及它们是如何学习的，但我不明白神经网络是如何处理输出的，也不明白神经元如何“相互交流”。例如：
input = {{1, 0},{1, 1},{0, 1},{0, 0}} 我用什么价值观训练每
浏览 4修改于2017-05-02得票数 1
回答已采纳
AND逻辑和OR逻辑只需1个神经元即可解决。然而，XOR逻辑需要2层中的3个神经元的神经网络： \ /考虑这种形式的神经网络：这种只有两个神经元相互连接的神经网络能够比只有一个神经元更好地解决任何问题吗？
浏览 9修改于2021-03-09得票数 1
回答已采纳
我对神经网络非常陌生，最近我建立了用于车牌号码分类的神经网络。它有3层:1输入层，16*24(382神经元)数字图像，150 dpi；1隐层(199神经元)，乙状结肠激活函数；1 softmax输出层(10神经元)，每个数字0到9。我想把我的神经网络扩展到车牌上的字母分类。但我担心，如果我只是简单地在输出中添加更多的类，例如在分类中添加10个字母，总共20个类，神经网络将很难将特征从每个类中分离出来。因此，我想知道是否有可能以下列方式建立分层神经网络：
浏览 17修改于2018-04-23得票数 0
回答已采纳
胶囊神经网络采用卷积、原胶囊和数字胶囊层。同时，采用卷积和最大池层的卷积神经网络。我想对卷积神经网络和胶囊神经网络进行比较。下面的表格是我的cnn模型的架构。我需要在胶囊神经网络上做一个类似的结构。那么，如何正确地叠加胶囊神经网络，堆栈胶囊神经网络是什么样的呢？
浏览 10提问于2022-12-02得票数 -2
我试图将Python与神经元(7.2.536.15)包结合使用。我在Python3.7 (64位)环境中有一个神经元包。如何将神经元模拟器加载到Python应用程序中？命令:导入神经元生成:没有名为“神经元”的模块生成:没有名为“神经元”的模块
如何将神经元模拟器加载到VS中？
浏览 1提问于2019-04-06得票数 1
回答已采纳
我认为神经编码/神经编码(神经元或偏倚如何对概念链的符号概念进行编码，例如每个特征是符号函数链及其参数)是理解神经网络的关键，因此神经编码也可以直接用于神经网络的知识蒸馏和精馏过程的微调和改进。神经编码也可用于注入偏见(例如，已有知识、专家知识、道德约束)，方法是以预先计算的方式改变权重/偏差，而不是生成大量的培训数据集和随后对模型进行培训。我认为，神经编码是理论或人工神经网络的核心问题。
这就是为什么在这里面几乎
浏览 0修改于2022-09-21得票数 1
对于一个类项目，我设计了一个神经网络来近似sin(x)，但最终得到的神经网络只是记住了我给出的数据点上的函数。我的神经网络接受批处理大小为200的x值。每个x值乘以200个不同的权重，映射到我的第一层中的200个不同的神经元。我的第一个隐藏层包含200个神经元，每个神经元都是批中x值的线性组合。我的第二个隐藏层也包含200个神经元，并且我的损失函数是在我的第二层中的200个神经元和输入映射到的sin(x)的200个值之间计算的。问题是，我的神经
浏览 3提问于2018-05-10得票数 1
1回答
我使用一种蛮力机制来确定最优的隐层/神经元，方法是将层/神经元增加1到一些最大值，然后从性能最好的模型中选择最优计数。我在这里的问题是关于这个“蛮力”过程的隐神经元计数的起点。如果我以(输入数: 8) +1(正如一些帖子所建议的那样)作为增加层内神经元数量的起点，我可能会错过最佳神经元数，因为它可能少于9个神经元吗？我使用的蛮力机制设置了每个隐层的最大神经元数，所以如果我有8个输入，从每个隐层9到30个神经元开始，我将在第一个隐藏层
浏览 0修改于2018-09-24得票数 2
我对人工神经网络非常陌生，我无法理解的是为什么我们需要层的概念。难道不足以将每个神经元连接到其他神经元，创造一种网络，而不是一种基于分层的结构吗？例如，要求解异或，通常需要至少3层，1层输入，2层神经元，1+隐层，部分神经元，1层输出层，1层神经元。
我们不能创建一个由两个输入神经元(我们需要它们)和一个由其他神经元网络连接的输出的网络吗？
浏览 3提问于2017-04-04得票数 4
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号