神经网络0 vs -1

Question

在使用神经网络输入数据时，我曾见过几次使用-1而不是0的人。它如何更好，它是否会影响任何数学实现它？

编辑：使用前馈和后退

编辑2：我试了一下，但网络停止了学习，所以我假设数学必须在某处改变？

编辑3：终于找到了答案。二元数学与双极数不同。请参阅下面的答案。

Answer 1

最近发现，如果使用双极性超过二进制，则需要改变乙状结肠和乙状结构衍生物配方。

双极Sigmoid函数：f(x) = -1 + 2 / (1 + e^-x)

双极Sigmoid衍生物：f’(x) = 0.5 * (1 + f(x)) * (1 – f(x) )

Answer 2

这是长时间，但我记得，它对实现网络所需的数学没有影响（假设您没有使用某种网络类型，因为某种原因限制了任何网络类型）非负值的过程的一部分）。其中一个优点是它可以在输入之间进行更大的区分，并有助于放大学习信号。同样对于产出。

最近做过这个的人可能还有更多的话要说（比如0过关是否会产生影响;我认为确实如此）。实际上，其中一些取决于您正在使用的神经网络类型。我假设你在谈论backprop或其变体。

Answer 3

与0/1相比，网络使用-1/1输入快速学习。此外，如果使用-1/1输入，0表示“未知输入/噪音/无关紧要”。我会使用-1/1作为神经网络的输入。