我是神经网络的新手。我试图了解多层感知器可以学习什么样的解决方案。
是否可以通过仅提供离散量的示例来训练MLP进行乘法？
我可以教它如何对某些数字（当然来自训练数据集）进行乘法运算，但它无法正确估计其他乘法。
我使用了1个隐藏层（TanH，10个单位）和1个输出层（Identity），隐藏层和输出层都有偏差，并使用Momentum优化器进行训练。
数据集
0, 5 = 0
1, 1 = 1
2, 3 = 6
3, 7 = 21
4, 3 = 12
5, 9 = 45
7,7 = 49
13,13 = 169
它为此数据集提供了正确的结果，但例如，计算5 * 5会给出错误的数字，例如32。
我对MLP的期望过高吗？我应该给网络什么数据集（或层设置）能够乘以任何给定的数字？
答案 0 :(得分：2)
是的，你期待太多了。 MLP不够“聪明”，不能从一些具体的例子中抽象出方法。它是基于输入的权重的线性组合;从这些例子中推断出二次关系是一个比MLP术语更深刻的概念。
一般而言，如果您的研究尚未针对特定问题找到标准解决方案类，那么您将陷入各种各样的实验。我的第一个想法是尝试用RNN做这个，希望将乘法抽象作为反馈循环的副作用。