我由1輸出NN訓練的4個輸入1個月,然後在同一NN被升級了由1 O.成爲5 I I應當重複與新配置的訓練或我仍然可以使用舊訓練?更新神經網絡輸入
Q
更新神經網絡輸入
0
A
回答
1
如果剩餘的4個輸入仍然代表同樣的事情,你不必從頭開始。相反,在輸入圖層中添加新的神經元,並在其與隱藏單元之間添加邊緣。初始化它們作爲一般,但留下其餘的權重。換句話說 - 您正在使用以前的網絡作爲優化的起點。它應該收斂的方式更快,一般會更好,如果你不訪問歷史數據了(或者你沒有時間重新培訓的一切)。
2
你幾乎肯定需要重複訓練,除非你能養活你五輸入NN到您的受過訓練的4輸入NN,在這種情況下,你也許可以用更少的逃脫。這取決於新變量代表的究竟是什麼。
相關問題
- 1. 神經網絡的輸入
- 2. 神經網絡的輸入/輸出
- 3. 神經網絡的信號輸入
- 4. 神經網絡的標稱值輸入
- 5. 神經網絡輸入形狀錯誤
- 6. 神經網絡非線性輸入
- 7. 神經網絡輸入順序
- 8. 神經網絡的順序輸入
- 9. 神經網絡的加權輸入
- 10. 神經網絡中的二維輸入
- 11. Simulink神經網絡數據輸入
- 12. 非標準輸入的神經網絡
- 13. 神經網絡輸出
- 14. 2輸出神經網絡?
- 15. 多輸出神經網絡
- 16. 神經網絡入門(ANN)?
- 17. 神經網絡
- 18. 神經網絡
- 19. 神經網絡的輸入層(應輸入到所有神經元?)
- 20. 爲神經網絡(迴歸)重新標定輸入特徵
- 21. 輸入數據集如何輸入神經網絡?
- 22. 以輸入神經網絡矩陣數據爲輸入
- 23. 神經網絡[ocr]
- 24. 神經網絡,python
- 25. MATLAB神經網絡
- 26. 神經網絡backpropogation
- 27. 神經網絡:「InverseLayer」
- 28. 的神經網絡
- 29. SOM - 神經網絡
- 30. sigmoid神經網絡