训练一个神经网络，对输入的实数排序，这个难不难？

Tranquillo 2017-01-19 11:00:56

如题，这个问题难么？

...全文

2312 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

疏可跑马 2018-12-21

打赏
举报

回复 1

参见：https://arxiv.org/pdf/1805.04272.pdf 一种基于机器学习方法的 O(N) 排序算法

v.xpace 2018-11-30

打赏
举报

回复

我也在琢磨这个问题，准备最近试一试。

星辰梦魇 2017-05-19

打赏
举报

回复

这个没人会用神经网络去弄...除非真的神经了

本文深入探讨神经网络训练的挑战，提出数据准备、框架搭建、过拟合与正则化等六大步骤，辅以技巧与建议，助你打造高性能模型。

本文详述了神经网络的训练步骤，强调数据预处理的重要性，包括数据清洗、可视化和异常值检测。此外，介绍了端到端训练评估框架的构建，包括固定随机种子、模型简化和有效数字的添加。还探讨了深度神经网络的训练原理，推荐了相关课程和资源，如CS231n课程，以增强对CNN的理解。文章还提到初值对训练的影响，并提出使用遗传算法优化权重的策略。最后，讨论了BP神经网络的训练方法，包括误差逆传播和权值修正，以及如何使用TensorFlow构建和改进循环神经网络。

本文介绍了如何使用已经训练好的BP神经网络进行预测。针对训练好的神经网络，讲解了在MATLAB中如何利用遗传算法调用其输出，并探讨了遗传算法在优化神经网络权重上的作用。此外，还讨论了神经网络的训练过程，强调了数据预处理、训练框架的搭建以及端到端评估的重要性。最后，提到了将训练好的神经网络移植到APP上的考虑。

本文详细介绍神经网络训练前的数据预处理技巧、端到端训练评估框架的构建方法，并分享了使用TensorFlow快速搭建神经网络的实战经验。

本文提供了一套全面的检查清单，帮助解决神经网络训练过程中遇到的各种问题，包括数据集错误、预处理失误、实现缺陷和训练障碍，适用于图像分类、物体检测等多个领域。

华为云计算

929

社区成员

643

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