神經網絡的輸入/輸出

Question

誰能向我解釋如何做更復雜的數據集，像團隊統計，氣象，骰子，複數類型

我明白所有的數學和一切是如何工作的，我只是不知道如何輸入更復雜的數據，然後如何讀取數據就吐出

，如果有人可以提供蟒蛇的例子，這將是一個很大的幫助

Answer 1

你必須編碼您輸入您的輸出的東西，可以由神經網絡單元表示。 （例如，如果您的單位的範圍在[-1,1]中，則對於「x具有特定屬性p」-1代表「x不具有屬性p」）

您對輸入進行編碼的方式你解碼輸出的方式取決於你想要訓練神經網絡的方式。此外，對於不同的任務（反向傳播，玻爾茲曼機器，自組織映射），存在許多「神經網絡」算法和學習規則。

Answer 2

更復雜的數據通常意味着在輸入層和輸出層中添加更多的神經元。

您可以爲寄存器的每個「字段」提供數據，並將其正確編碼爲每個輸入神經元的實際值（規格化等），或者甚至可以進一步分解爲位字段，將飽和輸入分配爲1或0到神經元...對於輸出，它取決於你如何訓練神經網絡，它會嘗試模仿訓練集的輸出。

Answer 3

您的功能必須分解爲可以表示爲實數的部分。一個神經網絡的神奇之處在於它的訓練

---

輸入過程中一個黑盒子，正確的協會將進行（內部權重）

因爲需要準確地描述選擇儘可能少的特點情況，然後將每個分解成一組實數值。

• 天氣：氣溫今天，今天的溼度，溫度，昨天溼度昨天...] 今天的溫度和今天的溼度之間的關聯是由內部
• 團隊統計：AVE高度，AVE體重，最大高度，最高分，...]
• 骰子：不知道我理解這一個，你的意思是如何編碼的離散值*
• 複數：[一，人工智能，b，bi，...]

*離散值特徵很棘手，但仍然可以編碼爲（0.0,1.0）。問題是他們沒有提供漸變來學習閾值。

---

輸出

你決定要輸出的意思，然後編碼這種格式的訓練實例什麼。輸出值越少，訓練越容易。

• 天氣：雨明天的機會，明天的溫度，...] **
• 團隊統計：[取勝，超過20勝算的機會，...]
• 情結編號：[X，喜，...]

**這裏您培訓載體將是：1.0如果下雨，第二天，0.0如果它沒有

---

當然，這個問題是否真的可以用神經網絡來模擬是一個不同的問題。

Answer 4

您必須添加所需的輸入和輸出單位數量以解決問題。如果未知函數的近似取決於參數n，則您將有n個輸入單位。輸出單元的數量取決於功能的性質。對於具有n個真實參數的實際功能，您將有一個輸出單位。

一些問題，例如在預測時間序列中，您將有m個輸出單位用於函數的m個連續值。編碼很重要，取決於選擇的算法。例如，在前饋網絡的後向傳播中，如果可能的話，更好地轉換離散輸入中的更多數量的特徵，如分類任務。

編碼的其他方面是，你必須根據數據量來評估輸入和隱藏單元的數量。由於維數問題的原因，太多與數據相關的單位可能會導致較差的近似值。在某些情況下，您可能會以某種方式彙總某些輸入數據以避免此問題，或將某些減少機制用作PCA。