Я запрограммировал ANN с алгоритмом backpropagation, чтобы прогнозировать количество клиентов с 3 слоями, 1 выходным нейроном, 3 скрытыми нейронами и 4 входными нейронами. поэтому мне нужен непрерывный выход. какие функции активации следует использовать?Функция активации искусственной нейронной сети
0
A
ответ
0
В этом случае то, что вы можете сделать (и я видел, что это хорошо работает) - применить функцию PureLin к входному и выходному уровням и использовать Tanh или Sigmod в скрытых слоях. Остальная часть работы выполняется весом!
Надеюсь, это поможет!
Смежные вопросы
- 1. Функция активации для нейронной сети
- 2. Функция активации нейронной сети R
- 3. Нормализация в искусственной нейронной сети
- 4. Вопрос об искусственной нейронной сети
- 5. Приблизительность искусственной нейронной сети в оценке позы
- 6. Долгосрочное прогнозирование с использованием искусственной нейронной сети
- 7. Вычислительная энтропия весовой матрицы искусственной нейронной сети?
- 8. Температурный прогноз с использованием искусственной нейронной сети
- 9. Оптимизация самокодируемой 2-слойной искусственной нейронной сети
- 10. Как применять PSO в искусственной нейронной сети
- 11. отображение математической функции с использованием искусственной нейронной сети
- 12. Как оценить повторяющееся соединение в искусственной нейронной сети?
- 13. Функция активации для системы обнаружения лиц на основе нейронной сети
- 14. Функция аппроксимации нейронной сети
- 15. Выбор функции активации для нейронной сети
- 16. Как работают весы в искусственной нейронной сети для прогнозирования?
- 17. Печать весов при использовании библиотеки быстрой искусственной нейронной сети
- 18. Полноматричный подход к backpropagation в искусственной нейронной сети
- 19. Поддержка векторной машины или искусственной нейронной сети для обработки текста?
- 20. Отображение нелинейных функций с использованием искусственной нейронной сети
- 21. Параметр обучения в программной программе искусственной нейронной сети
- 22. Учебный код для искусственной нейронной сети Excel VBA
- 23. Почему мы должны нормализовать вход для искусственной нейронной сети?
- 24. Как проверить результаты искусственной нейронной сети не из-за случайности
- 25. Какую функцию активации следует использовать для этой нейронной сети?
- 26. Классификатор нейронной сети
- 27. обучения нейронной сети набор
- 28. Слои и нейроны нейронной сети
- 29. Извлечение значений активации нейронной сети от Python Theano + Keras
- 30. Функция нейронной сети сходится к y = 1
Tanh или логистическая функция или что-то в этом роде, это обычные случаи. У вас есть особые требования? – Nabla
Каков диапазон этих функций? Я хочу иметь число от 100 до 10000 на выходе. что мне делать? – user1383711
Вы можете масштабировать их до того, что вам нужно, умножая и/или добавляя некоторые константы. Танх имеет диапазон (-1,1), а логистическая функция имеет диапазон (0,1). – Nabla