设置神经网络的权重？
设置神经网络的权重是指为神经网络中的每个连接赋予适当的权重值，以便网络能够学习和适应输入数据。权重决定了每个神经元对输入的敏感程度，不同的权重值会导致不同的输出结果。
在神经网络中，权重是通过训练算法来确定的。常见的训练算法包括反向传播算法（Backpropagation）和梯度下降算法（Gradient Descent）。这些算法通过不断调整权重值，使得网络的输出与期望输出之间的误差最小化。
权重的设置需要考虑到网络的结构和任务的要求。一般来说，权重的初始化可以使用随机数或者预训练模型的参数。随机初始化可以避免权重陷入局部最优解，而预训练模型的参数可以加速网络的收敛速度。
神经网络的权重设置对网络的性能和准确性有重要影响。合理的权重设置可以提高网络的学习能力和泛化能力，从而提高网络在各种任务中的表现。
以下是一些常见的权重设置方法：
- 随机初始化：将权重初始化为随机数，通常在[-1, 1]或[0, 1]范围内。
- 预训练模型：使用已经在大规模数据集上训练好的模型的参数作为初始权重。
- Xavier初始化：根据网络的输入和输出维度，使用特定的公式初始化权重，以保持信号在前向传播过程中的方差不变。
- He初始化：类似于Xavier初始化，但适用于使用ReLU激活函数的网络。
- 正态分布初始化：从正态分布中随机采样初始化权重，可以控制均值和标准差。
- 零初始化：将所有权重初始化为零。这种方法在某些情况下可能有效，但通常不推荐使用，因为所有权重的值都相同，可能导致网络对称性问题。
在腾讯云的产品中，可以使用腾讯云的AI平台（https://cloud.tencent.com/product/ai）来构建和训练神经网络模型。该平台提供了丰富的工具和资源，帮助用户进行模型训练和权重设置。
相关·内容
我是Tensorflow神经网络的初学者，我正在学习如何训练顺序神经网络模型的在线指南。当计算测试数据的均方误差时，每次编译模型时，得到的结果都不一样。有时我的MSE大约是27到28，而其他时候我得到的MSE是20,000。每次重新编译模型时，我都不会更改任何变量。为什么会发生这种情况？谢谢你的回应。
浏览 2提问于2020-07-05得票数 2
回答已采纳
我正在做一个使用DWT和神经网络的CBIR项目。我已经提取了颜色和纹理特征，并训练了提取的特征的归一化值。利用matlab中的神经网络工具实现了图像分类。所有这些都成功地完成了。
我的问题是--有没有办法自动将训练好的图像值插入到ms access数据库中？
谢谢。
浏览 2提问于2012-07-29得票数 2
回答已采纳
我在Keras中有一个神经网络模型，它是在数据集上训练的。现在，我想从密集层和卷积层中移除/删除一些特定的权重。有没有办法在Keras中做到这一点？请帮帮忙。谢谢。
浏览 2提问于2018-12-17得票数 3
1回答
我正在读一本关于神经网络的书，因为我对人工智能很感兴趣。但我在书中看到了一个神经网络的例子。他们想向你展示神经网络的有用性。他们想让神经元识别上面框中所示的模式。然后他们说，当阈值为1,5，且输入与上框相同时，输出仅为1，因此: i1 =1，i2 = 0，i3 =1，i4 = 0。
但是假设方框中的所有数字都是1，那么输出也是2。然后，当该模式与上面的框不相同时，它将返回true。我对神经网络很陌生。
浏览 3提问于2016-01-24得票数 0
回答已采纳
GPL要求提供所有源代码，但我不确定经过训练的神经网络模型如何与GPL交互，因为不清楚这些模型是否算为源代码。
若要讨论具体示例，请考虑以下示例：
假设您正在开发一个移动应用程序。由于应用程序包含GPL许可代码，因此移动应用程序也将在GPL下获得许可。移动应用程序还使用了预先训练过的神经网络模型。(为了简单起见，假设您使用了麻省理工学院授权的代码，在移动应用程序中没有使用它来生成神经网络模型。)
这个预先训练过的神经网络模型算得上源代码吗？如果是这样的话，该模型是否必须在GPL下获得许可？
在此重新提问：https://opensource.stackexchange.com/question
浏览 0提问于2018-06-14得票数 5
我读了很多关于Jetson Nano和Google Coral Devboard的文章，在我读过的大多数文档和论文中，推断和部署都是使用预先构建的卷积神经网络来完成的，例如AlexNet，Inception，MobileNet和其他用于图像分类的神经网络。据我所知，这些微型计算机需要将神经网络转换为tensorflow模型或任何它们接受的框架，以执行模型的推断。 我想知道的是:对于Jetson Nano和Google Coral Devboard，我是否可以拥有与文档中举例说明的卷积神经网络无关的卷积神经网络，并将其部署到这些板上？
浏览 20提问于2020-12-24得票数 1
回答已采纳
在阅读了几篇关于神经进化的论文后，我意识到在神经网络开始时，关于如何对每个突触进行加权的信息非常少。我知道，在一开始，使用NEAT，所有的输入神经元都连接到输出神经元，然后从那里开始进化。然而，你应该在开始时随机给每个突触加权，还是简单地将每个突触设置为1？
浏览 13提问于2017-06-29得票数 0
回答已采纳
我正在尝试重新创建一个基于给定facts.It有3个输入的神经网络，隐藏层和output.My问题是权重也是给定的，所以我不需要训练。
我在想，也许我可以省去一个类似的结构神经网络的训练，并改变你认为有效的值accordingly.Do，任何其他的ideas.Thanks。
神经网络代码：
net = FeedForwardNetwork()
inp = LinearLayer(3)
h1 = SigmoidLayer(1)
outp = LinearLayer(1)
# add modules
net.addOutputModule(outp
浏览 2提问于2012-03-04得票数 8
2回答
辍学的含义
、、
model.add(Dropout(0.4))在Keras中意味着什么？
这是否意味着忽略神经网络中40%的神经元？还是意味着忽略给出概率= 0.4的神经元？
浏览 0提问于2018-09-05得票数 4
回答已采纳
1回答
我正在用python写一个进化研究的程序。我的程序的输出是一堆神经网络(固定大小/结构的图)。
对于所有的意图和目的，神经网络可以简单地由按某种固定顺序的连接权重数组来表示。
我希望能够以某种方式直观地表示神经网络，以显示我的程序的输出是否收敛到类似类型的网络或许多不同的集群中。
例如，假设有50个数组，如下所示：
[.5, -.25, 2.31, -3.2, 1, .88 ...etc ]
我想以某种方式绘制这些，所以它是视觉上的证据，哪些数组彼此相似。
谢谢
浏览 1提问于2014-04-15得票数 1
我在找TensorFlow中所谓的“TensorFlow”。我知道如何在Tensorflow神经网络中使用"DropConnect"，但是我不知道哪种方法用于“”，或者如果它不可用，有人能建议我如何实现吗？
无论如何，我试过“辍学”、“体重衰减”和“早停”，但我仍然受到过度适应的困扰。在TensorFlow中有什么更好的解决方案吗？
浏览 10提问于2016-05-10得票数 7
2回答
我在Matlab中训练了一个三层(输入、隐藏和输出)前馈神经网络.经过训练，我想用一个输入测试向量来模拟训练后的网络，得到神经元的响应--隐层(而不是最终输出层)。我该怎么做呢？
另外，在训练神经网络之后，是否有可能“切断”最终输出层，并将当前隐藏层作为新的输出层(以备将来使用)？
额外信息:我正在构建一个。
浏览 2提问于2012-03-03得票数 3
我已经使用Matlab神经网络工具箱训练了一个神经网络，特别是使用命令nntool。检测基本上是针对交通标志的，我使用了一个包含90张交通图像(禁止进入、禁止右转和停止标志)的数据库，其中30张图像的大小为8*8像素，其中禁止进入的标志为正数。我的输入是64*90，目标是1*90。现在，我需要在Python中使用这个神经网络进行实时识别。我需要什么参数？我对神经网络完全陌生。
浏览 19提问于2016-08-19得票数 0
回答已采纳
是否可以在神经网络中加载model.add中的角点权重？我想加载基于泽维尔或其他初始化器的权重。我怎么能在角星上做这件事？
例如，weight=[w1,w2,w3,w4]，我们如何在keras中做到这一点？
例如，在TF中我们有：initializer=tf.contrib.layers.xavier_initializer()
浏览 0提问于2018-04-15得票数 1
回答已采纳
1回答
我正在阅读这篇题为“通过深度神经网络对室内行为进行分类”的论文。我偶然发现了这样的说法：
通过这种机制，可以学习到非常复杂的功能，结合这些模块:生成的网络通常对微小的细节非常敏感，对大的无关变化不敏感。
我读过很多关于深层神经网络的文章。然而，我可能忽略了深层神经网络对大而不相关的特征不敏感背后的逻辑。
浏览 0提问于2017-05-09得票数 1
每个神经网络都通过反向传播来更新其权重。假设一个神经网络模型堆叠在另一个神经网络模型上，在这种体系结构中，反向传播如何用于权重更新。wrt单神经网络模型在权重更新方面有什么不同？
浏览 3提问于2018-11-10得票数 0
📷
我的问题是：
假设我们有一个3乘1的神经网络，类似于图像中的神经网络(输入层有3个神经元，输出层有一个神经元，没有隐藏层)，当给神经网络输入一个训练样本(即feature1、feature2、feature3输入)时，我发现不存在计算正向和反向传播输出的问题，而且我知道我的初始权重是如何优化的，我发现的问题是，每次给神经网络多个训练输入时，我不知道初始权值是如何优化的。
例如，我们有3×3矩阵的训练输入。
[[195, 90, 41],
[140, 50, 30],
[180, 85, 43]]
第一列是高度，第二列是重量，第三列是鞋的大小，我们用第一行、第二行和第三排给NN。我们知道，在
浏览 0提问于2018-07-07得票数 3
1回答
我试图用Java编写一个神经网络
2个输入神经元，1个隐藏层，包含3个神经元和1个输出神经元，
它应该能够解决异或函数。我理解神经元(感知器)是如何工作的，以及它们是如何学习的，但我不明白神经网络是如何处理输出的，也不明白神经元如何“相互交流”。
例如：
我有一个神经网络：(忽略这些值)
这个数据集是：
input = {{1, 0},{1, 1},{0, 1},{0, 0}}
ideal = {1, 0, 1, 0}
我用什么价值观训练每个人的特定神经元？还是让神经网络学习？
浏览 4提问于2017-05-02得票数 1
回答已采纳
我用tf.stop_gradient()关闭了神经网络中一些权重的梯度计算。不幸的是，tf.GradientTape().gradient()将这些权重的梯度分配为None，这并不适用于optimizer.apply_gradients。解决办法是在之后为这些渐变分配零。
有更好的工作吗？
有可能让tf.GradientTape().gradient()自动将None替换为零吗？或者，是否有一种方法可以让优化器使用渐变列表中的None？
浏览 6提问于2022-05-03得票数 0
回答已采纳
1回答
在Matlab中，我运行了神经网络工具箱，得到了标题如下的权重：
b1 = {...};
IW1_1 = {...};
b2 = {...};
LW2_2 = {...};
这些权重指的是神经网络的哪个部分？我假设b1和b2是偏差，IW1_1和LW2_2是权重，但是IW1_1和LW2_2是网络的哪一部分呢？
浏览 0提问于2015-08-30得票数 0
4回答
在Keras中修剪
、、、
我试图使用Keras设计一个具有预测性能优先级的神经网络，通过进一步减少每层的层数和节点数，我无法获得足够高的精度。我注意到我的大部分重量实际上是零(>95%)。有没有办法修剪密实层，希望缩短预测时间？
浏览 6提问于2017-01-31得票数 21
回答已采纳
我在尝试训练神经网络后遇到的问题并不是一个新问题:我得到的拟合值都是相同的。下面是一些过于简化的代码示例：
a <- c( 123, 223, 234, 226, 60)
b <- c(60, 90, 53, 54, 91)
d <- c(40,100,207,290,241)
q <- cbind(a,b,d)
nn <- neuralnet(a~b+d,data=q,hidden=2,threshold=0.01,err.fc="sse")
nn$net.result`
我之前偶然发现的答案建议使用nnet。但是，除非我将d
浏览 0提问于2011-04-09得票数 4
回答已采纳
我使用的是Encog-core-cs (.net版本)的神经网络。
我想知道有关神经网络中边的性能和权重的度量。请给我引路。
我们可以报告的性能指标是什么？关于训练和验证误差，它们是如何计算的？还有其他的性能指标吗？
什么是终止措施？
如何在网络中找到连接的权重？
如果是出厂版本：
var model=new EncogModel(data);
model.selectMethod(data,MLMethodFactory.TypeFeedforward);
在进阶时谢谢。
浏览 3提问于2016-05-01得票数 0
我看着ANN使用反向传播，我做了一个有2个输入，2个隐藏神经元和2个输出的神经网络。所有的教程都有一个或两个输出，或者有非常复杂的代码，我不知道如何调整i输入，j隐藏和k -output神经网络的权重。
浏览 2提问于2015-08-12得票数 0
3回答
我正在做一项任务，我需要进化我的神经网络的权重。我的神经网络是工作的，但我不确定如何以一种能让我获得好结果的方式来进化我的网络。
我知道我的AI老师说我需要使用sigmoid函数并将我的权重加起来*输入，但我不太确定剩下的部分。
谢谢。
编辑:我需要使用GA来训练权重。抱歉，我没说清楚。
浏览 1提问于2012-03-03得票数 2
回答已采纳
我正在使用神经网络来识别一个系统。因为我假设有延迟的输入，所以我想包括一些对NN具有不同延迟的数据。MATLAB神经网络工具箱有内置的函数来做这件事吗？
谢谢
浏览 0提问于2012-03-09得票数 0
回答已采纳
当我在Keras中运行一个神经网络(没有BatchNormalization)时，我了解get_weights()函数是如何提供神经网络的权重和偏差的。然而，对于BatchNorm，它会产生4个额外的参数，我假设Gamma，Beta，Mean&STD。
当我保存这些值时，我尝试手动复制一个简单的NN，并且无法让它们生成正确的输出。有人知道这些价值观是如何运作的吗？
浏览 2提问于2019-07-18得票数 4
回答已采纳
我试图在r的神经网络包的神经网络()函数中分配起始权重。
set.seed(111)
neuralModel <- neuralnet(medv ~ crim+zn, hidden = 1, startweights = c(8,5), train_data)
但输出显示
警告信息:一些权重是随机生成的，因为“startweights”没有包含足够的值。
并给隐层神经元分配随机权值。我的训练数据集有500行。我应该分配500个权重吗？
浏览 4提问于2017-05-22得票数 1
1回答
这样就有了 (我们只找到了一个真实的样本)。而且它是相当有限的。它展示了如何创建人工神经网络的体系结构，其中一层的所有神经元都连接(向前)到下一层的所有神经元。我们想要管理这种连接，以便创建一个ANN，其中第二层的每个神经元只连接到下一层的两个神经元。因此，我们希望：
Layer 1: 2 neurons (2 inputs)
Layer 2: 3 neurons (hidden layer) (each neuron is connected to 2 neurons of next Layer (3) )
Layer 3:
浏览 0提问于2011-04-09得票数 3
3回答
假设我有一个定义好的神经网络的训练样本(带有相应的训练标签)(神经网络的结构对于回答这个问题并不重要)。让我们把神经网络称为“模型”。
为了不创建任何夫人，让我们说，我介绍了最初的权重和偏差的‘模型’。
实验1。
我用训练样本和训练标签来训练40个时代的“模型”。经过训练，神经网络将对整个神经网络有一组特定的权重和偏差，我们称之为WB_Final_experiment1。
实验2
我用训练样本和训练标签来训练20个时代的“模型”。经过训练，神经网络将对整个神经网络有一组特定的权重和偏差，我们称之为WB_Intermediate。
现在，我在“模型”中介绍了WB_Intermediate，并对另
浏览 13提问于2020-03-20得票数 3
回答已采纳
2回答
多标签分类神经网络，任意一个标签
、、、、
我试图建立一个神经网络，其中假设我有3个输出标签(A，B，C)。
现在我的数据包括两个标签可以是1的行，像A和B是1，C是0。现在我想训练我的神经网络，使它能够预测A或B。我不希望它被训练成A和B都有很高的概率(就像多标号问题)，我只想要其中的一个。
这样做的原因是，A和B中有1的行更像是不关心预测A或B都是正确的行。因此，我不希望神经网络在试图同时预测A和B的情况下找到极小值。
有可能像这样训练神经网络吗？
浏览 1提问于2018-04-12得票数 0
回答已采纳
3回答
目前，我正试图理解word2vec神经网络学习算法背后的体系结构，将单词表示为基于上下文的向量。
在阅读了之后，我发现了他定义的投影层。尽管这个术语在提到word2vec时被广泛使用，但我仍然找不到它在神经网络环境中的确切定义。
我的问题是，在神经网络中，什么是投影层？它是否被命名为一个隐层，其链接到以前的节点具有相同的权重？它的单位实际上有某种激活功能吗？
在中也可以找到更广泛地提到问题的另一个资源，它也指页面67周围的投影层。
浏览 5提问于2016-06-17得票数 59
回答已采纳
2回答
我设计了一个3层神经网络，它的输入来自CNN和RNN的级联特征。网络学习的权重值很小。对此有何合理的解释？以及如何解释Tensorflow中的权重直方图和分布？有什么好的资源吗？
这是一个3层神经网络的第一个隐层的权重分布，使用张量板可视化。如何解读这一点？所有的权重都是零值？
这是3层神经的第二个隐藏层的权重分布：
浏览 9提问于2017-12-11得票数 3
1回答
所以我现在正尝试用遗传算法来训练和乙状结肠激活函数来实现我的第一个NN。一切都很好，但我不太确定重量的范围是多少。我找了一些关于这个问题的东西，但没有运气。如何选择神经网络中的权重范围？这取决于什么？
浏览 2提问于2015-12-06得票数 0
回答已采纳
4回答
如果一个时代被定义为一个神经网络的训练过程，在看完整个训练数据之后。为什么在开始下一个时代时，损失几乎总是比第一个时期要小？这是否意味着在经历了一个时代之后，神经网络的权重不被重置？每一个时代都不是一个独立的训练过程？
浏览 0提问于2020-05-01得票数 3
回答已采纳
我的工作是一个单一的隐藏层神经网络，有100个输入特征和1000个隐藏神经元。在查看了神经网络结果以及模型从初始模型分配给输入-隐层连接的权重后，我想知道是否有一种方法可以将更多的神经元分配/连接到输入特征组(G1: 70%的隐神经元，G 220%和G3连接到10%的隐神经元)。假设我已经识别了3组输入数据(G1:高度重要，G2:中间重要，最后是G3:最不重要)。
浏览 4提问于2022-02-19得票数 1
1回答
我一直在尝试在C++中使用神经网络来实现一个可以玩和学习toe的网络。我遇到了一个问题，我一直在想，一旦你结束了这个计划/培训，你如何保持一个拥有它的“记忆”或学习技能的网络呢？目前，它学习，因为你继续播放，但一旦我关闭程序，并重新启动它。又犯傻了。我如何解决这个问题，以及其他大型神经网络如何解决这个问题？
浏览 3提问于2015-12-18得票数 1
回答已采纳
例如，有一个3乘3的图像，
具有两个2x2滤波器的卷积神经网络将图像进行卷积。
最后，输出维数为2x2x2。
，我能把上面的过程看作是下面的步骤吗？
由于使用了2x2滤波器，在滑过整个图像后，我得到了4幅小图像。
并利用这4幅小图像作为一个完全连接的神经网络的输入。
最后，我还可以得到8个输出。
我真的不知道CNN的反向传播，所以我试图从经典的完全连接的神经网络中理解它。
通过输入一幅小图像，就可以在完全连接的神经网络中更新一次权值，这与在CNN中更新滤波器的权重是一样的吗?。
我想对了吗？
浏览 1提问于2017-01-29得票数 0
回答已采纳
1回答
我们必须为神经网络缩放输入数据吗？它对神经网络的最终解有何影响？
我试着找到一些可靠的消息来源。“统计学习的元素”一书(第400页)说，它将有助于选择合理的初始随机权重。
不管我们使用的初始随机权重如何，最终的权重不都是确定的吗？
谢谢。
浏览 3提问于2013-06-11得票数 14
回答已采纳
为什么优化器被使用在不是神经网络的东西上？
在神经类型的传输结构中，图像被更新而不是神经网络的权重。
在样式编码器(在潜在空间中查找图像)中，隐空间被更新，而不是神经网络的权值。
为什么它在这些情况下有效，因为更新的不是神经网络的权重？
浏览 0提问于2020-11-20得票数 1
当神经网络在很长一段时间内在大量数据集上进行训练时，请考虑senario。在将神经网络临时保存到磁盘以供稍后训练之前调用FinishTraining()方法是否正确？或者我们应该只调用一次FinishTraining()，在所有训练都在最后完成之后？ Encog机器学习框架可以选择将神经网络保存到磁盘，然后使用Encog中的TriningContinuation类继续训练。在将神经网络保存到磁盘之前调用FinishTraining()方法是否会以任何方式对神经网络的训练产生负面影响？
浏览 21提问于2019-06-24得票数 1
回答已采纳
1回答
我很难构建一个好的神经网络教学算法，因为有一些人工神经网络。首先，我的目标是教授nn xor函数，我使用sigmoid作为激活函数，以及简单的梯度下降。2.将此错误传播到有关权重的隐藏层3.更新突触上的权重
所以我的问题是: 1.偏差是否也应该更新，如果是，如何更新？目前我随机选择偏置0.5;1? 2。在步骤2? 3中可以更新权重。我的方法假设nn中的第一层是带有神经元的输入层。那么，这一层中的哪些值必须更新？只有连接输入层和第一个隐藏层的突触上的权重？
浏览 2提问于2017-10-03得票数 0
1回答
有大量输入的神经网络会导致我的网络问题，比如
神经网络由于输出和太大，并且在进行反向传播时，梯度和太高，导致学习速度太快，因此神经网络的前向计算往往会使输出达到1.0。
神经网络在各个层次上都将tanh作为一种主动函数。经过大量思考，我想出了以下解决方案：
减小随机权重值( WeightRandom / PreviousLayerNeuronCount )
或
计算输出或梯度之和后，将和除以“输出和的前一层神经元数”和“下一层神经元数表示梯度和”，然后将和传递到激活/导数函数中。
我对我想出的解决方案感到不舒服。
解决方案1不能完全解决问题。梯度或输出和达到高值
浏览 2提问于2016-05-24得票数 0
2回答
是否有可能在Encog神经网络上引入权重？我知道输出权重是可能的，但我正在构建一个双神经网络系统，其中一个系统定期使用数据进行训练，然后更新另一个系统，严格地用于生成输出。是否可以通过指定实际值来调整非培训网络的权重？谢谢!
浏览 6提问于2015-12-23得票数 1
回答已采纳
1回答
我在R中使用nnet软件包训练人工神经网络。有些人说训练集中的每一种情况都分配了权重，而有些人则说没有。重量等于no。神经网络结构中的连接。我不明白这点。有人能帮我吗。
我看了nnet的R代码。
在下面的nnet代码中，权重和Wts之间有什么区别？
nnet(x, y, weights, size, Wts, mask, linout = FALSE, entropy = FALSE, softmax = FALSE, censored = FALSE, skip = FALSE, rang = 0.7, decay = 0, maxit = 100, Hess = FALSE, trace
浏览 0提问于2017-03-16得票数 0
我有一个带有MSE损失函数的神经网络，其实现方式如下：
# input x_ph is of size Nx1 and output should also be of size Nx1
def train_neural_network_batch(x_ph, predict=False):
prediction = neural_network_model(x_ph)
# MSE loss function
cost = tf.reduce_mean(tf.square(prediction - y_ph))
optimizer = tf.train.Ad
浏览 0提问于2019-02-16得票数 0
1回答
我从机器学习开始，目前我正在努力理解人工神经网络。在多层感知器中，最大限度地降低了代价函数(例如交叉熵)，但我必须将所有的训练数据输入到神经网络中。这不是一个典型的人类学习过程。相反，随着时间的推移，经验会随着时间的推移而发生变化，而预测可能会因新的信息而发生变化。换句话说，机器/网络必须通过改进其预测来响应不断变化的环境。我有两个问题：
使用贝叶斯技术进行优化难道不是更自然的吗?下一个培训示例会改进经验(我的神经网络将通过提供新的数据来随着时间的推移而改善)？
一个神经网络从一开始就需要所有的训练数据吗?还是我可以通过提供一个新的信息(例如在一段时间后)而不引用以前的训练数据来不断地改进它(
浏览 0提问于2017-05-04得票数 -1
我正在尝试使用neuralnet库在R中运行神经网络，每次我运行它时，它都会给我不同的结果。通常它会说“算法没有收敛”。我尝试了改变隐藏层的数量，阈值，重复次数，但似乎都不起作用。我的数据集大约有1100行，跨41列，我尝试使用其中的40列来预测第41列。有人有什么建议吗？下面是我目前使用的实现代码：
n <- names(train1)
f <- as.formula(paste("RESULT ~", paste(n[!n %in% "RESULT"], collapse = " + ")))
nn <- neuralne
浏览 0提问于2016-04-07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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
