用於優化的多層感知器

Question

在神經網絡中，對於給定的輸入輸出值訓練對，調整權重使得均方誤差最小化。但是我沒有訓練數據。我有一個成本函數，它取決於一個函數，我想用神經網絡來計算這個函數。我有一個大小爲5X1的特徵向量。當我將該向量作爲NN的輸入時，我得到一個分數（NN的輸出）。可以說我有1000個這樣的特徵向量。對於這些輸入中的每一個，我都會得到一個輸出。使用所有這些得分我計算一些成本函數。現在我的任務是最大化該成本函數。因此，在第一次迭代中，我將獲得該成本函數的一些值。現在，我想調整權重，以便使成本最大化。我怎樣才能做到這一點？？？

我正在研究信息檢索，我剛纔提到的成本函數是平均平均精度（MAP）。我有來自不同運行的幾十個文件，我想結合所有的運行，使MAP值最大。特徵向量具有每次運行中文檔的等級，分數等。

Answer 1

神經網絡是解決一般變分問題的一種方法。在這些問題中，目標是找到一種優化一些成本功能的功能。

爲了調整神經網絡的偏差和權重，您需要計算特定成本函數關於該參數的偏導數，然後應用任何訓練策略。

開放神經網絡庫OpenNN（http://www.intelnics.com/opennn）實現了不在數據集上測量的不同成本函數。