1回答
优化问题的神经网络
、、、、
假设我已经训练了一个神经网络，它接受一些输入并准确地计算出它们的值。这种神经网络被用来近似一个很难用解析方法求解或用其他方法模拟的函数。这是一个非常精确的函数逼近器。现在我想知道返回最高值的最佳输入是什么。我在想，我可以用遗传算法做到这一点，但是有没有一种神经网络方法来做到这一点呢？此外，是否有可能同时训练神经网络并找到最优输入？什么样的网络架构可以做到这一点？
浏览 13提问于2020-07-01得票数 2
回答已采纳
1回答
作为标题，在python中训练和测试了我的神经网络模型。例如，我使用温度，潮湿，风速，这三个功能作为输入，预测能源在某些地区的使用。所以我用神经网络来模拟这些输入和输出的关系，现在我想知道一些能量使用的最低点，输入特征是什么(即什么温度，潮湿，风种子是什么).This只是个例子，所以听起来可能不现实。因为据我所知，没有多少人只使用scipy
浏览 1提问于2017-08-13得票数 4
回答已采纳
3回答
使用遗传算法进行校准，但为了避免遗传算法收敛于局部最优值，我希望使用人工神经网络来找到全局最优值。安，该怎么做呢？谢谢。
浏览 0提问于2011-07-09得票数 2
1回答
我是机器学习的初学者，我正在寻找一些梯度下降的优化器。我已经搜索了很多关于这方面的主题，并对所有这些优化器进行了最新的研究。我只有一个问题，我想不出来。请不要评判我，但我想知道？我们是单独使用ADAM优化器，还是必须将其与SGD相结合？我不明白它是单独工作，还是这里优化的不是神经网络，而是神经网络的SGD？
谢谢你的帮助!
浏览 0提问于2018-08-08得票数 3
1回答
在卷积神经网络(CNNs)中，我读到像tanh这样的激活函数只适用于凸问题/优化。它的真正含义是什么？什么是凸优化和非凸优化？为什么凸问题“更容易”解决？
浏览 0提问于2018-09-24得票数 0
1回答
支持向量机和神经网络是非常流行的机器学习技术。但我读到其中一个的优化函数是凸的，而另一个是非凸的。
神经网络如何涉及优化非凸函数，而支持向量机又如何涉及凸优化？
浏览 0提问于2016-02-11得票数 1
1回答
使用前馈神经网络代替LSTM？
、、、、
LSTM问题可以表示为FFNN问题吗？ LSTM神经网络只是简单地回顾过去。但我也可以获取一些(或许多)过去的值，并将它们用作FFNN的输入特征。 这样，FFNN能否取代LSTM网络？如果我可以接受过去的值并将它们用作输入特性，那么为什么我应该更喜欢LSTM而不是FFNN呢？
浏览 69提问于2019-12-26得票数 0
1回答
在超参数整定过程中，我们选择一个度量来衡量模型的性能。标准的例子: f1评分，精确，回忆，AUC .
一般情况下，对于神经网络的训练，反向传播会根据损失函数的值来优化模型的权重。接下来的问题是:为什么人们不使用损失函数作为神经网络优化的主要性能指标？
浏览 0提问于2018-12-17得票数 1
回答已采纳
3回答
每当我训练一个神经网络时，我只让它经历几个时期(1到3)。这是因为我在一个糟糕的CPU上训练他们，要让神经网络跨越许多时代需要一段时间。然而，每当我的神经网络表现不佳，而不是让它经历更多的时代，我试着优化超参数。这种方法通常是成功的，因为我的神经网络非常简单。
但是，以这种方式训练神经网络是一种糟糕的做法吗？是否有缺点，立即优化的超参数，而不是运
浏览 0提问于2018-06-12得票数 2
回答已采纳
1回答
1)目前，我正试图建立一个具有高度不平衡类(二进制分类)的前馈神经网络，其中1类的观测量很低(以及需要预测的类)。现在，我使用“精度”作为优化的度量来估计神经网络，同时使用早期停止来优化不平衡验证集(monitor='val_acc')上的精度。
因此，我的问题是，我是否也应该在验证集中降低1类观察的样本？最后的测试自然是不平衡的</e
浏览 0提问于2019-04-26得票数 6
0回答
我使用R-packages (nnet，amore，neuralnet)来设计神经网络。问题是我想使用一个自定义的错误函数。根据神经网络的输出，我有一个自定义的计算。这似乎是不可能做到这是在R的一个包？有谁知道我能做什么吗？
另一种可能性是，我使用遗传算法来优化我的神经网络的权重，但我在这里没有得到所需的优化。我的网络28个输入和9个隐藏神经元太
浏览 14提问于2017-06-05得票数 0
1回答
我在凯拉斯有一个训练有素的分类器神经网络。设神经网络为f(x)。我希望找到向量x，使得当||x||^2 =1时，f(x)是最大化的。我目前已经用Keras训练了我的神经网络 model = Sequential()model.add(Densey_train, validation_data=(x_test, y_test), epochs=2, verbose = 1, cal
浏览 20提问于2019-09-16得票数 2
1回答
利用贝叶斯优化(GP)方法寻找良好的超参数的前提之一是未知函数是光滑的。这个假设对神经网络有效吗?或者至少对大多数神经网络是有效的？我们能找到什么推荐信吗？
浏览 0提问于2020-03-31得票数 0
1回答
有没有人可以推荐一篇好文章，或者给出一些关于用Hopfield神经网络解决“最小化任务延迟加权和的单处理器调度问题”的提示。我开始使用Hopfield和Tank方法来设计它来解决这个调度问题(比如TSP)。但是我遇到了提供正确的能量公式和正确的权重调整公式的问题。J.J Hopfield an Tank在他们的工作中使用了一个典型的TSP变量，我不知道如何改变它来满足我的问
浏览 2提问于2013-01-15得票数 1
回答已采纳
我之前使用的是WEKA，但由于各种原因，我已经迁移到了python中的scikit-learn。我试图在WEKA到scikit-learn中复制我的预测结果，所以我用完全相同的学习率、动量、隐藏层等制作了一个精确的感知器，然而，预测结果在这两个平台上是不同的。关于这件事，有人能给我一些解释吗？我注意到的唯一一件事是scikit learn使用lbfgs、adam和sgd来优化其连接权重，而WEKA使用反向传播。但这可能是唯一的原因吗？
浏览 1提问于2018-09-04得票数 1
假设我有一个pytorch模型，描述了某个多维系统基于自身状态x和外部执行器u的演化，所以x_(t+1) = f(x_t，u_t)，f是pytorch的人工神经网络。现在我想解决一个动态优化问题，找到一个最优的u值序列，以最小化依赖于x的目标。类似于：s.t.：x_(t+1) = f(x_t，u_t)有没有一种简单的方法可以使用像pyomo或gekko
浏览 28提问于2021-05-26得票数 2
回答已采纳
1回答
我试图使用brain.js或synapse.js (或任何其他JS库)来完成以下工作：
{ accelY: 0.25, powerA: 1, powerC: 0.44,}{我想我可以通过随机调整每个电机的功率来训练它，然后检查accel是否接近于0。如果是，就把它包含在训练集中。如果不是
浏览 1提问于2014-12-08得票数 4
回答已采纳
1回答
我目前正在进行高能物理方面的研究，并希望在使用这些粒子进行计算之前，实现一个神经网络来确定应用于粒子的最佳“运动学切割”。这带来了一个问
浏览 0提问于2023-01-15得票数 2
我正在使用caffe来做固态硬盘模型的目标检测，最近的工作是调整"MultiBoxLoss“的损失类型。现在老板想让我使用SVM对python sklearn的特征图进行分类。我遇到一个问题，在multibox_loss_layer.cpp文件中，可以使用softmax、logistic和hingeloss来计算损失。在这一步，它的数据只是“一维”，但特征映射是高维的，我在网上的文章，它似乎softmax不能分类高维数据。例如:如果有三个类:
浏览 19提问于2019-01-21得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
