神经网络训练方法论

Question

需要一些关于神经网络训练的帮助。给你我训练的背景和测试我的神经网络的AND和OR，似乎工作正常。仅供参考我正在使用反向传播神经网络。

因此，我想使用这个神经网络将空间中的坐标分类为A类或B类。为此，我已经生成了每个输入x和y的范围之间的10000个条目的测试数据。现在我应该如何训练我的神经网络，我应该按顺序解析每个测试数据，还是应该从每个训练数据中随机训练集？

任何帮助将不胜感激。

Answer 1

我在学习上学到了什么：

有许多训练神经网络的方法。

1. 您可以使用3000个A类和3000个B类示例来训练网络（通过这6000个示例然后传播错误/良好的分类）。如果将x，y坐标分类为A / B的函数（数学）很简单（如'y = 2x + 3'行），你应该使用很少的神经元，当然大网络也会学习这些x，y，但它需要更多时间（需要通过这些6000例子X次来学习它）。然后使用4000个示例来测试正确分类的百分比。

2. 或做同样的事情，但要学习10000个元素，然后再测试10000个元素。

Answer 2

据我从您的评论中了解您的问题，您输入培训数据的顺序无关紧要。您可以输入所有A样本，然后继续进行B样本，也可以将它们随机丢弃。只要在培训结束时，您将使用相同的设置，您将获得完全相同的结果。

修改：由于您在问题中使用了 test 这个词，请注意您必须从2个文件中提取一些样本您将仅用于测试而不是培训（与逻辑功能不同）。出于这个原因，人们通常使用随机抽样，因为您希望您的标签在两组之间均匀分配：例如你不想只训练A级，然后测试B级。