回答情况：
提问时间：
问题标签：
我正在做一个项目，其中神经网络(NN)的适用性将被评估，我是相当新的学科。更准确地说，神经网络应该取代一个分析模型。该模型基于位移数据计算结构的受力和扭矩。神经网络的任务是通过回归来逼近力/矩。有些作者认为，由输入、一个隐层和输出层组成的神经网络可能就足以实现这一目的。因此，我构造了一个具有这些特征的神经网络。神经网络有12个输入、8个隐式和6个输出神经元。这12个输入代表了6个不同点的两个方向的变形。6输
浏览 0提问于2021-05-19得票数 0
1回答
我正在开发一个，它可以创建“灵活的”神经网络。灵活的意思是，它们不是由层组成，而是由单个神经元或神经元群组成。
1, 2, 3, 4, 5, 6, 7, 8, 9, 10
1, 2, 4, 3, 5,
浏览 2提问于2017-03-21得票数 0
回答已采纳
我想训练一个神经网络与神经网络包在R-但不使用偏置节点。例如，如何训练一个有6个输入神经元、3个隐藏神经元和7个输出神经元的模型--但没有任何偏置神经元？
浏览 2提问于2016-11-16得票数 3
回答已采纳
我的前馈神经网络有150个输入神经元，25个隐藏神经元和3个输出神经元。我的训练数据集有43104个样本，我的验证和测试数据集分别包含9237个样本。我正在使用验证检查来停止培训。验证检查设置为6。但是，我的神经网络在11次迭代中停止训练！那是不是太早了？
谢谢。
浏览 1提问于2014-03-05得票数 2
我有一个简单的前馈神经网络，由8个输入神经元组成，然后是2个隐层，每个隐层有6个隐神经元，1个输出层由1个输出神经元组成。Keras代码是：model.add(Dense(6, activation='tanh'))
model.add(Dense(1, activation=&#
浏览 4修改于2021-04-14得票数 0
回答已采纳
它的工作原理如下:假设我有2个输入神经元，它们通过这个矩阵连接到3个输出神经元：[[1.0, 1.0, 0.0], [0.0, 0.0, 1.0]] (输入神经元0连接输出神经元0和1.)。假设我有这些输入神经元的尖峰(2个神经元，7个时间步骤)：[[0, 0, 1, 1, 0, 1, 0],输出神经元的这些尖峰例如，对于连接到输出神经元0的输入神经元0：
浏览 0修改于2019-03-06得票数 2
回答已采纳
我即将学习神经网络是如何工作的。让我明确一点:我不想使用任何内置函数。出于我的理解，我想从一开始就构建一个自己的感知器。例如，我根据下面的示意图构建了一个感知器：除6和7神经元外，其余神经元均具有同一性函数。这两个神经元应具有logistic函数1/(1+e^(-x))。神经元1直接连接到6，神经元2直接连接到输出神经元8。
我现在的问题是如何实现这种特殊的情况。当所有神经元都是恒等式时，我得到
浏览 18修改于2018-01-25得票数 1
回答已采纳
在我们介绍乙状结肠神经元(具有乙状结肠激活功能的神经元)之前，本网站给出了一些数学上的阐述，即关于感知器。
它从感知器开始，然后进入乙状结肠神经元。一切都很好，但我似乎无法证明第二个问题“西格莫德神经元模拟感知器，第二部分”在本章后面。我很难相信你可以用一个偏差和权重不变的乙状结肠神经元网络取代一个感知器网络(这里可以很容易地构造一个反例:取第三层的权重17，-6，-3，其中b= -3，w= {17，-6}在w.x +b >= 0中，
浏览 4提问于2014-11-28得票数 4
回答已采纳
我正在探索这些“神经元”之间的神经网络模拟，如下图所示。我遇到的困难是把每个神经元连接到它最近的邻居。我第一次想到我可以通过元组解压来做这件事，但是它变得非常复杂。_ncs.append(nc)然而，在我的例子中，这个结构是一个由n个
浏览 3提问于2022-02-28得票数 0
我的神经网络很小，有10个输入神经元，12个单层隐神经元和5个输出神经元。
有人对发生了什么事有一点了解吗？
非常感谢
浏览 1提问于2016-07-28得票数 9
当使用keras序列模型时，当我创建一个有8个神经元的输出层时，它给出了一个无效参数错误。我的理解是，它将标签识别为0到7，而不包括8。因此，当我创建一个包含9个神经元的输出层时，它似乎可以工作。我的问题是，用9个神经元代替8个神经元可以吗？标签值:2 7 7 6 8 1 2 8 6 3 6 8 2 6 1 2 5 8 8 1 1 7 8 2 8 6 8 7 7 5 8 6 [node sparse_categori
浏览 0提问于2020-10-23得票数 0
我将输入一个数字的白色/黑色图像，我的输出层将触发相应的数字(输出层中的0 -> 9神经元中将有一个神经元触发)。我完成了一个二维BackPropagation神经元网络的实现.我的拓扑大小是5 -> 3 -> 10，所以它是一个二维输入层，一个二维隐藏层和一个一维输出层.然而，我得到了奇怪和错误的结果(平均错误和输出值偏差的输出值总是= 1.0，但是它的连接权值在每次传递时都会被更新，就像网络中的所有其他神经元一样。所有重量范围0.000 -> 1.000 (无底片)
获取输入数据(
浏览 2修改于2015-12-20得票数 2
回答已采纳
我们知道批量归一化(BN)加速了深度神经网络的训练。但它对小型神经网络也有帮助吗？我一直在试验6层卷积-MLP网络，我看不到训练这个网络对BN有任何好处。
浏览 17提问于2021-06-14得票数 1
2回答
神经网络是使用较小范围的训练数据更好，还是无关紧要？例如，如果我想训练一个带有角度(浮点值)的ANN，我应该以0；360度或弧度0；6.28传递这些值，或者可能所有的值都应该标准化为0；1？我的神经网络有6个输入神经元，1个隐藏层，我使用的是sigmoid对称激活函数(tanh)。
浏览 2修改于2015-12-29得票数 2
假设我们有神经网络的权重(theta1和theta2)，即：theta2= [4, 5, 6]theta = [theta1(:);theta2(:)]例如，如果我们以一种稍微不同的方式展开这些权重，请考虑下面的python代码： theta = theta.ravel()
#the
浏览 0提问于2016-11-03得票数 0
1回答
我正在实施一个深层次的神经网络结构，这是一年前发表的，以与我自己的工作进行比较。发表的神经网络将CNN作为神经网络的组成部分之一。CNN的轮廓可以看到。总之，一维卷积是由带有2x6输入矩阵的2x6核执行的。作者从上述卷积中提取了32个特征。我已经写信给作者，但还没有收到任何关于如何提取这32个特征的答复。
浏览 2提问于2022-07-02得票数 -1
回答已采纳
因此，我想使用人工神经网络，然后评估给定的位置。输出应为数值。值越高，白色玩家的位置越好。
我的方法是建立一个由385个神经元组成的网络:棋盘上有6个独特的棋子和64个字段。因此，对于每个区域，我们取6个神经元(每个部分1个)。如果有白片，则输入值为1；如果有黑片，则输入值为-1。如果该字段中没有这种类型，则值为0。除此之外，还应该有一个神经元供玩家移动。我认为神经网络的配置是相当好的。但缺少主要部分:如何将此神经网络实现为一种编码语言(例如Delph
浏览 1修改于2009-07-19得票数 28
回答已采纳
我有一个有结构的神经网络:7个输入神经元，3个输出神经元。我开始觉得这里有什么不对劲..。隐神经元计数将如何影响网络的有效性？
我可以继续增加数量..。50.60..70我刚开
浏览 5修改于2015-04-10得票数 2
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