我正在尝试创建一个用于计算/分类a /任何公式的ANN。
我最初试图复制Fibonacci序列。我使用输入：
我想克服的问题是如何规范化可能无限的数据或以指数方式扩展？然后我尝试创建一个ANN来计算斜率截距公式y = mx + b（2x + 2）和输入
我再次不知道如何规范化数据。如果我仅对训练数据进行标准化，那么网络如何能够使用除用于标准化之外的输入进行计算或分类？
那么可以创建一个ANN来计算/分类公式（（a + 2b + c ^ 2 + 3d-5e）模2），其中公式是未知的，但输入（一些）a，给出b，c，d和e以及输出？基本上分类计算输出是奇数还是偶数，输入介于 - +无穷大......
之间答案 0 :(得分：0)
好的，我想我明白你现在要做的是什么。基本上，您将有一组表示函数系数的输入。您希望ANN告诉您具有这些系数的函数是否会产生偶数或奇数输出。如果那是错的，请告诉我。这里有一些潜在的问题：
首先，虽然可以使用神经网络进行添加，但通常效率不高。您还需要以非常特定的方式设置ANN，方法是使用与通常使用的不同的节点类型，或者通过设置复杂的循环拓扑。这可以解释您对Fibonacci序列和线方程式的不成功。
但是有一个更基本的问题。您可能听说人工神经网络是一般函数逼近器。但是，在这种情况下，ANN正在学习的功能将不是您的公式。当你有一个人工神经网络学习输出0或1以响应一组输入时，它实际上是在尝试学习一条线（或一组线，或超平面，取决于拓扑）的函数，它分隔所有的输出应为0的输入，输出应为1的所有输入。（有关图片的详细解释，请参阅this question的答案）。因此，问题在于是否存在一个超平面，该超平面将系数分开，这些系数将导致系数的偶数输出，从而产生奇数输出。
我倾向于说这个问题的答案是否定的。例如，如果您考虑示例中的a系数，则每次将其递增或递减1时都会看到正确的输出切换。 c，d和e术语也是如此。这意味着没有大块相对相似的输入都会返回相同的输出。
为什么你需要知道未知函数的输出是偶数还是奇数？可能还有其他更合适的技术。