神经网络的精度

Question

我想知道神经网络是否能够回归非常接近价值的目标值。例如：

input [100 150 200 300]
output [0.99903 0.99890 0.99905 0.99895]

或者是否应该处理输出或目标数据？

感谢。

Answer 1

神经网络的三个输入/输出值规则：

1. 规范化您的数据。
2. 规范化您的数据。
3. Normalize您的数据。

尝试对数据进行一些归一化方案，然后查看输出点之间的距离。当然，不要忘记对输入做这件事。

如果您的数据有多个维度，

PCA也会有所帮助，但这些数据是一维的。

Answer 2

kwatford是对的，规范您的数据！

理论上神经网络可以学习这样的目标。但我们正在研究具有精确实数表示的真实计算机。现在，想一想：你训练你的神经网络，在训练过程中，当前的预测就是：

  

输入[100 150 200 300]

     

输出[0.99905 0.99890 0.99903 0.99895]

我只是翻了100和200的结果。因此，平方误差的总和将是4e-10。您添加到神经网络权重的值将更小。使用单精度浮点数时，此数字已经存在问题。 GNU Octave中的一个例子证明了这一点：

single(0.99905)+single(1e-10)
ans =  0.99905

这意味着在大多数人工神经网络实施中，不可能或：规范化您的数据。 ：）