2
最近我發現了一個神經網絡試圖分類字符的例子。訓練了兩個神經網絡。一個嘈雜的數據集，第二個沒有它。我試圖找到任何理論上的解釋，爲什麼使用嘈雜的訓練集會給出更好的結果，但我沒有得到足夠的理解。任何人都可以解釋我？在此先感謝嘈雜的神經網絡訓練集
A
回答
0
帶噪聲的NN訓練提高了泛化能力（網絡能夠爲新的未知數據提供正確的預測），因爲噪聲使NN更難以精確地擬合每個數據點（防止NN僅僅記住訓練數據，從而迫使其學習更有意義的關係）。有關噪聲與其他形式正則化之間關係的數學細節和信息，可以參閱this paper
相關問題
- 1. 訓練神經網絡
- 2. TensorFlow中的前訓練神經網絡
- 3. OCR的訓練前饋神經網絡
- 4. 保存訓練的神經網絡
- 5. 神經網絡訓練中的MSE
- 6. Matlab：神經網絡訓練的問題
- 7. 神經網絡訓練即將停止
- 8. 何時停止訓練神經網絡？
- 9. 神經網絡模型訓練錯誤
- 10. 神經網絡訓練方法
- 11. 反向傳播訓練神經網絡
- 12. 神經網絡訓練連續值
- 13. 神經網絡訓練不夠好
- 14. 如何訓練OCR神經網絡？
- 15. 在matlab中訓練神經網絡
- 16. 人工神經網絡PSO訓練
- 17. 運行訓練卷積神經網絡
- 18. 在Ruby中訓練神經網絡
- 19. Encog神經網絡訓練java太慢
- 20. 訓練一個神經網絡
- 21. 經常性神經網絡訓練和測試集
- 22. 改變訓練圖像訓練神經網絡
- 23. 用於神經網絡訓練的數據集
- 24. 如何爲神經網絡創建一組圖像訓練集
- 25. 訓練字母圖像到全批培訓的神經網絡
- 26. 如何存儲和訪問經過訓練的神經網絡
- 27. 培訓神經網絡 -
- 28. 神經網絡訓練的神經機器人可用於以下目的嗎？
- 29. 非監督式的諾諾卷積神經網絡預訓練
- 30. 火炬/ Lua，小批量訓練的神經網絡結構？