0
我想以非常不尋常的方式應用神經網絡（這是我在碩士論文研究的一部分）。對於這個例子，假設反向傳播神經網絡（NN）。另外我不太確定這是否是一個正確的SO論壇，所以如果需要請在其他地方重新定向。神經網絡 - 受啓發式影響的全局誤差
讓我們假設我們有一個輸入向量我用於NN，輸出向量ö和參考輸出向量- [R。輸入和輸出矢量也用相同長度的矢量表示（在我們的例子中，它們具有相同的語義含義，都是'某些配置'）。
在標準方法計算我們的全局誤差相同的參考和輸出矢量之間的平方距離的一半爲輸入矢量我
（（1/2）（ö - - [R ）^ 2）
在我的情況下我沒有參考輸出向量r。相反，我確實有一個函數F（o），它對NN輸出進行評級並返回輸出質量的百分比。 （具體而言，其結果是覆蓋率的百分比）。並且終於使這個更復雜一點，我的效用函數不是函數F（o），而是輸入和輸出之間的覆蓋率（F（o）-F（i））的增加。如何修改全局錯誤功能，以便將我的效用函數考慮在內？
感謝您的回覆。是的，你似乎正確地理解了這個問題。如果我理解正確，我應該使用遺傳算法而不是神經網絡，或者說，「最大化網絡集合」是什麼意思？ – Smarty77
不是，而是在一起。爲您的問題使用由一組人工神經網絡組成的遺傳算法。使用網絡生成的錯誤評估每個網絡。 GA將優化網絡組以最大化您的分數。最終的結果將是一組優化的網絡。 –
對不起，對於我來說，我還不清楚如何教我的人工神經網絡，因爲我沒有參考向量。我如何影響重量？ – Smarty77