问题标签 [neural-network]

我正在尝试确定下面显示的人工神经元的输入 i1、i2 和 i3 的值（0 或 1），它将为其触发（i0 是偏置权重的输入，并且始终为 -1）。

权重是

W0 = 1.5

W1 = -1

W2 = 1，W3 = 2。

假设激活函数如下图所示。

请澄清你的答案，因为我做了几个例子，但我仍然无法完全理解这个理论:(

非常感谢，

玛丽·J。

PS。下图：

关于如何编写神经网络的反向传播算法，我有几个问题：

我的网络拓扑结构是输入层、隐藏层和输出层。隐藏层和输出层都有 sigmoid 函数。

1. 首先，我应该使用偏见吗？我应该将网络中的偏见连接到哪里？我应该在隐藏层和输出层中每层都放置一个偏置单元吗？输入层呢？
2. 在此链接中，他们将最后一个增量定义为输入-输出，并反向传播增量，如图所示。在实际以前馈方式传播错误之前，他们持有一张表格来放置所有的增量。这是否背离了标准的反向传播算法？
3. 我应该随着时间的推移减少学习因素吗？
4. 万一有人知道，弹性传播是在线还是批量学习技术？

谢谢

编辑：还有一件事。在下图中，d f1(e) / de，假设我使用的是sigmoid函数，是f1(e) * [1- f1(e)]，对吧？

如果没有偏差，具有 2 个输入节点、2 个隐藏节点和一个输出的神经网络是否应该能够解决 XOR 问题？还是会卡住？

我正在编写一个 PHP 函数，该函数需要遍历一个指针数组，并为每个项目拉入该数据（无论是来自 MySQL 数据库还是平面文件）。有没有人有任何优化这个的想法，因为可能有成千上万的迭代？

我的第一个想法是拥有一个我处理的缓存数据的静态数组，任何修改只会更改该缓存数组，然后最后我可以将它刷新到磁盘。但是，在超过 1000 个项目的循环中，如果我只在数组中保留大约 30 个，这将毫无用处。每个项目都不是太大，但内存中的 1000 多个项目太多了，因此需要磁盘存储。

数据只是 gzip 压缩的序列化对象。目前我正在使用数据库来存储数据，但我想也许平面文件会更快（我不关心并发问题，我不需要解析它，只需解压缩和反序列化）。我已经有一个自定义迭代器，它将一次拉入 5 个项目（以减少数据库连接）并将它们存储在此缓存中。但同样，当我需要迭代数千个时使用 30 的缓存是相当没用的。

基本上我只需要一种方法来快速迭代这些项目。

我们的应用程序允许用户输入与他们的组织合作的公司名称。当前的一个问题是用户输入公司名称的方式因用户而异。我们需要整合这些数据。是否有任何行之有效的方法来解决这个问题？

I am using radial basic function(rbf) in neural network using "newrb" method in Matlab and all things are good, but i hope to find a way which makes me able to draw the decisions boundary between the two samples that i have. For example in perceptron the decision boundary is a line with equation WX+b=0
W:weights, X:Inputs and b is the bias.How can i draw the complex decision boundary result from rbf?
Thanks. Hani Almousli.....

一段时间以来，我一直在尝试学习神经网络，并且可以在线了解一些基础教程。现在我想使用神经网络开发在线手写识别。所以我不知道从哪里开始？我需要一个很好的指导。最后我是java程序员。

你建议我怎么做？

我正在使用神经网络库进行 ANN 编程，我的输入层向量是 400，我的输出层向量是 5，我的学习样本只有 28。我的问题是我不知道如何选择多少隐藏层我应该有他们的向量的大小。谁能把我放在正确的方向上？谢谢你。

我正在为神经网络编写代码，我想知道是否应该这样做。我实际上有点担心，即使使用 double 也可能不会产生好的结果，并且我可能不得不将我的代码迁移到更高效的语言，比如 c++。我在这里读到一个问题，BigDecimal 比 double 慢 1000 倍？好多啊。

另一方面，我将大量使用十进制数字，让它更精确总是好的。我也无法确定精度是否会导致问题。我不认为我见过的任何实现都可以做到这一点，所以我可能不会这样做。尽管有时网络并没有表现出应有的行为；我不确定这是精度错误还是逻辑问题。

但我想知道，你们在处理金钱时只使用 BigDecimal 吗？对此有什么想法吗？

我正在尝试构建一个应用程序来检测来自网页的广告图像。一旦我检测到这些，我将不允许它们显示在客户端。

基本上，我使用反向传播算法使用此处给出的数据集训练神经网络：http: //archive.ics.uci.edu/ml/datasets/Internet+Advertisements。

但在那个数据集中没有。的属性非常高。事实上，该项目的一位导师告诉我，如果你用这么多属性训练神经网络，那么训练起来需要很多时间。那么有没有办法优化输入数据集呢？或者我只需要使用那么多属性？