当神经网络的输出层过多时怎么处理

ygino 2011-07-28 10:00:18
使用神经网络来做分类，输出层太多（现在用到了12个输出表示2^12个结果），训练结果不能达到收敛，这样子就没有达到训练的效果哈。
对于这样的训练，需要做些什么修改。我想到的就是把神经网络从细分类调整到粗分类，使输出减少。
各个还有没有其它好建议。
...全文
882 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
ygino 2011-07-30
  • 打赏
  • 举报
 回复
[Quote=引用 1 楼 fengbingchun 的回复:]
增加隐含层节点数，适当减少输出层节点数，
如果训练时间太长，可以加入遗传算法试试
[/Quote]
[Quote=引用 2 楼 carson2005 的回复:]
增加隐含层的节点数目，或者，输出层采用二进制编码的方式。
[/Quote]

对于输出已经做了二进制编码，并且隐层数目我也是按照输入和输出结点数目自动计算得到的，这样子在训练时是不是应该加入更多的训练呢?
ChenLee_1 2011-07-28
  • 打赏
  • 举报
 回复
增加隐含层的节点数目，或者，输出层采用二进制编码的方式。
fengbingchun 2011-07-28
  • 打赏
  • 举报
 回复
增加隐含层节点数，适当减少输出层节点数，
如果训练时间太长，可以加入遗传算法试试
吴恩达机器学习之神经网络——表述： 非线性假设、神经元和大脑、模型表示、特征和直观理解、样本和直观理解、多类分类（详细笔记，建议收藏，已有专栏）
如果你在青蛙身上插入第三只眼，青蛙也能学会使用那只眼睛。因此，这将会非常令人惊奇。如果你能把几乎任何传感器接入到大脑中，大脑的学习算法就能找出学习数据的方法，并处理这些数据。从某种意义上来说，如果我们能找出大脑的学习算法，然后在计算机上执行大脑学习算法或与之相似的算法，也许这将是我们向人工智能迈进做出的最好的尝试。人工智能的梦想就是：有一天能制造出真正的智能机器。
回归预测 基于ELMAN递归神经网络预测及其matlab代码实现
遗传算法/粒子群算法优化支持向量机分类与回归预测-附代码 文章目录遗传算法/粒子群算法优化支持向量机分类与回归预测-附代码1. 支持向量机简介与参数优化的原理1.1 支持向量机SVM简介1.2 优化参数的选取1.3 交叉验证（CV）2. 数据集介绍和采用的优化算法2.1 遗传算法GA优化SVM2.2 粒子群算法PSO优化SVM3. 程序结果和算法的对比3.1 SVM3.2 遗传算法GA优化SVM3.3 粒子群算法PSO优化SVM3.4 算法结果的对比4. 小结5. MATLAB代码 1. 支持向量机简介与参
sklearn之神经网络学习算法
首先我们需要明确一点，父进程本质上只是一个管理关系，父子进程本质上仍然是两个独立运行的进程，也就是说kill掉父进程，子进程仍然会运行（这时候子进程就处于一个特殊的状态，我们后续也会介绍），同样的kill掉子进程，父进程也是不会受到影响的。当子进程想要使用父进程的数据时，就会拷贝一份到子进程的PCB中，这样子进程的变量如何变化也不会影响到父进程了，因此当fork函数返回时，也会触发写时拷贝，此时两个进程的id就不同了。因此所谓的进程条目，本质上也是存着的一个动态文件proc，这里面存放着所有的进程信息。
卷积神经网络（CNN）
是一种具有等特点的又称作，是也称为的变种，擅长处理图像特别是图像识别等相关机器学习问题，比如图像分类、目标检测、图像分割等各种视觉任务。前馈神经网络（FNN）、全连接神经网络（FCNN）、多层感知机（MLP）、人工神经网络（ANN）这些术语在一定的上下文中可以指代相似的概念，但有时也有一些微妙的区别。
Lecture3 神经网络学习
1.introduce 　　当属性增多时，由于我们的特征可以取属性的多项式组合，代价将呈指数增长，很难计算。因此，我们需要一种合适的方法来解决特征变量过多的问题。 　　由此我们从人的大脑与神经元开始，实验表明，人的大脑不同皮层均具有学习能力，并非仅仅能够完成本区域固定的任务。例如，将视觉信号接入听觉皮层，听觉皮层一样可以完成处理视觉信号的任务。神经元有一个轴突和若干树突。若干树突接受...
图形处理/算法

19,464

社区成员

50,678

社区内容

发帖
与我相关
我的任务
社区描述
VC/MFC 图形处理/算法
社区管理员
  • 图形处理/算法社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章