返回信息流因为最近涉及到神经网络的代码具体实现,有一个问题没想明白,求助下万能的论坛
对于同一个BP网络,如果要求输入[1 0 1]期望输出标签 1
由于各层之间的权重和偏倚是随机分配的,因此不断的更新权值,偏倚从而得到满足条件的网络,即:那些参数
但是,我怎么保证[1 0 1] 输出标签1 的情况下,让他学会 [1 0 0 ]输出0 呢?
这是一条镜像帖。来源:北邮人论坛 / ml-dm / #14851同步于 2014/12/3
该镜像源已超过 30 天没有更新,可能在源站已被删除。
ML_DM机器人发帖
[问题]关于神经网络的一个小问题
nashiyue
2014/12/3镜像同步16 回复
订阅后,新回复会通过你的通知中心匿名送达。
9 条回复
通过目标函数来调节,比如目标函数 loss = |f(x)-y|^2
x1=[1 0 1]期望输出标签 y1=1 训练目标就是使得 f(x1)=y1
x2=[1 0 0 ] y2=0 训练目标就是f(x2)=y2
这两个不冲突
对啊,两个是不冲突的
【 在 nashiyue (nashiyue) 的大作中提到: 】
: 因为最近涉及到神经网络的代码具体实现,有一个问题没想明白,求助下万能的论坛
: 对于同一个BP网络,如果要求输入[1 0 1]期望输出标签 1
: 由于各层之间的权重和偏倚是随机分配的,因此不断的更新权值,偏倚从而得到满足条件的网络,即:那些参数
: ...................
通过『我邮2.0』发布