Question

我通过反向传播编程（Java）我自己的前馈网络学习。我的网络经过培训，可以学习XOR问题。我有一个输入矩阵4x2和目标4x1。

输入：

{{0,0},
{0,1},
{1,0},
{1,1}}

输出：

{0.95048}
{-0.06721}
{-0.06826}
{0.95122}

我有这个训练有素的网络，现在我想在新输入上测试它，如：

{.1,.9} //should result in 1

但是，我不确定如何实现float predict(double[] input)方法。从我所看到的，我的问题是我的训练数据的大小与我的输入数据不同。

请建议。

修改我有这个措辞的方式，听起来我想要一个回归值。但是，我希望输出是一个概率向量（分类），然后我可以分析。

Answer 1

基本上，当您训练神经网络时，您会获得一组可用于预测结果的参数。您可以通过在每个图层中添加要素和权重的产品来获得结果，然后将激活函数应用于该结果。例如，假设您的网络有3层（功能除外），每个隐藏层有三个神经元，输出层有一个神经元。 W1表示第一层的权重，因此它的形状为[3,2]。使用相同的参数W2，第二层的权重具有[3,3]的形状。最后，作为输出图层权重的W3的形状为[1,3]。现在，如果我们使用一个名为g（z）的函数作为激活函数，您可以计算如下示例的结果：

notes.append(Note(date: "06-06-2012",comment:"Created Note"))

和A3是你的结果，预测两个数字的XOR。请注意，我没有考虑此示例的偏见术语。

Answer 2

在您的情况下，您的神经网络应该具有维度2和输出1的输入。因此在训练期间，您将提供每个示例输入{x0，x1}和输出{y0}以供其学习。然后最后在预测时你可以提供一个向量{.9，.1}并获得所需的输出。

神经网络 - 测试训练网络

2 个答案: