我基本上是在尝试创建一个神经网络，该神经网络应该告诉我输入的输入是否有效。问题是我只有有效的输入可以训练它。
现在，我正在尝试提出一个有效的密集模型，该模型仅验证0到4之间的整数。所有其他数字应视为无效。最初的尝试是使用介于0到4之间的数字作为有效值来训练它，而将具有随机像素的图像作为无效值来训练（黑色像素的百分比与正常图像相同），但是不幸的是它不起作用。当我用5到9之间的数字进行测试时，它们被视为有效。
所以我开始考虑是否有可能以这种方式训练神经网络。
我还意识到可能会有更好的方法，例如使用自动编码器或其他类型的网络，但是现在我只想在密集的层上进行尝试。
谢谢。
答案 0 :(得分：1)
您要寻找的是one-class classification，也称为一元分类或类建模。
Quick google search建议训练autoencoder并在您的班级中定义一个对象，如果重构误差低于特定阈值。
但是，如果您开始建立类似的东西，我建议您首先使用“一类K最近邻居”或“一类SVM”，看看是否获得可接受的结果。如果是这样，您可以使用“自动编码器”解决方案“开发起来极其复杂”来改善结果