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

821 3 打赏收藏转发到动态举报

写回复

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

本文是吴恩达《机器学习》视频笔记第57篇，对应第5周第7个视频。“Neural Networks Learning:——Putting it together”前面几个小节都讲了神经网络的一些东东，因为神经网络在机器学习中的地位实在是太重要了，所以需要单独一节把前面学到的事总结一下。确定神经网络的结构神经网络的结构呢，无非就是输入层、输出层外加隐藏层，那隐藏层有几层？每一层有多少个神经元？输入层、...

神经网络不但具有处理数值数据的一般计算能力，而且还具有处理知识的思维、学习、记忆能力，它采用类似于“黑箱”的方法，通过学习和记忆，找出输入、输出变量之间的非线性关系（映射），在执行问题和求解时，将所获取的数据输入到已经训练好的网络，依据网络学到的知识进行网络推理，得出合理的答案与结果。本章选择了控沉点处深层地下水系统的年均水位和区域地下水开采量作为模型的输入变量，考虑到水位和开采量的变化与沉降变形并不同步，有明显的滞后性存在，本章将前一年的开采量和年均水位也作为输入，故模型的输入变量为四个。...

1 项目背景一个数据集，满足多对多的对应关系。他希望用神经网络解决它的数据集逆问题。他给了我一个8输出，6输出的一个excel表格，前六列是输出后8列是输入。这样我利用matlab将表格导入为’.mat’文件。输入输出数据维度都在0-3范围。我的思路是这样，做一个8输入1输出的网络。做6个网络并行输入。或者做一个直接8-6的网络。前者就是多输入单输出，后者就是一个直接多对多的映射。 2神经网络输入层节点数取决于输入向量长度隐含层取决于数据集复杂程度，不宜过多不宜过少。输出层，希望映射的数据节点。

一、导语BP神经网络主要由输入层、隐藏层、输出层构成，输入和输出层的节点数是固定的，不论是回归还是分类任务，选择合适的层数以及隐藏层节点数，在很大程度上都会影响神经网络的性能。图源：吴恩达-深度学习输入层和输出层的节点数量很容易得到。输入层的神经元数量等于待处理数据中输入变量的数量，输出层的神经元的数量等于与每个输入关联的输出的数量。但是真正的困难之处在于确定合适的隐藏层及其神经元的数量。二、隐藏...

神经网络主要由输入层，隐藏层以及输出层构成，合理的选择神经网络的层数以及隐藏层神经元的个数，会在很大程度上影响模型的性能（不论是进行分类还是回归任务）。输入层的节点数量以及输出层的节点数量是最容易获得的。输入层的神经元数量等于数据的特征数量（feature个数）。若为回归，则输出层的神经元数量等于1；若为分类，则输出层的神经元数量为分类的类别个数（如区分猫狗，则为2；区分手写数字0-9，则为10）。 1.确定隐藏层的层数对于一些很简单的数据集，一层甚至两层隐藏元都已经够了，隐藏..

图形处理/算法

19,473

社区成员

50,678

社区内容

发帖

与我相关

我的任务

社区管理员

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