feed-forward

1熱度

2回答

我想用tensorflow預測二進制輸出。訓練數據大約有69％的輸出爲零。輸入特徵是實值，我通過減去平均值和除以標準偏差對它們進行歸一化。每次我運行網絡時，無論我嘗試過什麼技術，我都無法獲得精度高達69％的模型，而且看起來我的Yhat正在趨於全零。我已經嘗試了很多像不同的優化器，損失函數，批量大小等等的東西。但不管我做什麼，它收斂到69％，永遠不會超過。我猜，我正在做的事情上有一個更有趣的問題，

0熱度

1回答

如何設置前饋的平均像素？ caffe

我想優化VGG19，它工作良好。雖然訓練我減去平均像素爲 name: "VGG_ILSVRC_19_layer" layer { name: "data" type: "Data" include { phase: TRAIN } transform_param { mean_value: 104 mean_value: 1

0熱度

1回答

爲什麼使用輸出火花庫（1 + 1）多層感知器的前面三角洲計算

看着this代碼 for (i <- (L - 2) to (0, -1)) { layerModels(i + 1).computePrevDelta(deltas(i + 1), outputs(i + 1), deltas(i)) } 我想知道爲什麼我們通過outputs(i+1)，而不是outputs(i)在上述代碼段中。據我瞭解，這只是需要S形活化層，其中有一個衍生物f'

1熱度

2回答

前饋 - 神經網絡Keras

我在前饋神經網絡中的輸入，這是我在Keras中實現的，我只是想檢查我的理解是否正確。 [[ 25.26000023 26.37000084 24.67000008 23.30999947] [ 26.37000084 24.67000008 23.30999947 21.36000061] [ 24.67000008 23.30999947 21.36000061 19.77000046]..

0熱度

1回答

如何在前饋過程中處理填充0

假設我有一個不同大小的輸入列表，例如一些是形狀[10,9,5]，一些是[7,6,5]，我有爲了填充0來將它們饋入到具有相同大小的張量流中，比如說[10,9,5]，我需要進行矩陣乘法並在正向處理期間添加偏差，這將在填充的0位置中引入數字。所以我必須自己創建一個蒙版矩陣來掩蓋它們？或者是否有從tensorflow更簡單的方法？謝謝！順便說一句，我不餵食序列，也不使用rnn。所以我不能使用動態rnn

2熱度

1回答

神經網絡爲每次執行提供不同的結果

這是我用keras和tensorflow作爲後端運行的確切代碼。對於每個運行相同的程序，訓練結果是不同的。有些時候，它在第400次迭代中獲得了100％的準確度，並且在第200次中獲得了一些次數。 training_data = np.array([[0,0],[0,1],[1,0],[1,1]], "float32") target_data = np.array([[0],[1],[1],[0

1熱度

1回答

張量流單神經元前饋網絡

我做了一個前饋單神經元網絡。預測打印0.5，而打印0.0。我對tensorflow很陌生。請幫幫我。這是我的代碼： """ O---(w1)-\ \ O---(w2)-->Sum ---> Sigmoid ---> O 3 inputs and 1 output / O---(w3)-/ | Input | Output Example 1 | 0

2熱度

1回答

前饋backpropogation中的權重ANN不會改變

我正在設計一個帶有22個輸入和1個輸出（1或0）的前饋BackPropogation ANN。神經網絡有3層，使用10個隱藏的神經元。當我運行NN時，它只會輕微改變權重，輸出的總誤差約爲40％。在本質上，我認爲它是在過度/不足之下，但在改變了隱藏的神經元的數量之後，沒有任何變化。 N是輸入（22）數目M是在輸出計算隱藏神經元（10）這是我使用的backpropagate OIN代碼的數投入雙曲

0熱度

1回答

Encog反向傳播錯誤不變

網絡的總錯誤在超過100,000次迭代中沒有變化。輸入是22個值，輸出是單個值。輸入數組是[195] [22]，輸出數組是[195] [1]。 BasicNetwork network = new BasicNetwork(); network.addLayer(new BasicLayer(null,true,22)); network.addLayer(new Basic

1熱度

1回答

神經網絡字符識別

假設我正在嘗試創建一個神經網絡來識別簡單的5x5像素網格上的字符。我只有6個可能的字符（符號） - X,+,/,\,| 當前我有一個前饋神經網絡 - 有25個輸入節點，6個隱藏節點和一個輸出節點（介於0和1之間--Sigmoid）。輸出對應於一個符號。如'X' = 0.125,'+' = 0.275,'/' = 0.425等無論網絡（測試）的輸出是什麼，對應於任何字符是最接近數字。即 - 0.