Question

您可以在此模型的奇数预测上得到改进吗？我能得到的最好结果是50％，无论我的神经网络有多深。

from tensorflow import keras

X=[]
Y=[]
n=100
for i in range (n):
    X+=[i]
    Y+=[(-1)**i]
    if Y[i]<0:
        Y[i]=0

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(1, )),
    keras.layers.Dense(2, activation=tf.nn.softmax),
    keras.layers.Dense(1, activation=tf.nn.softmax)
])

model.compile(loss='binary_crossentropy', optimizer="adamax",metrics=['binary_accuracy'])
model.fit(X, Y, epochs=100,batch_size=10)

Answer 1

这不是一件微不足道的任务，请您可能会希望如此。您可以在this SO线程中找到一种工作模型。此外，这仍然是一个活跃的研究领域（称为奇偶校验问题）。如果不输入整数，而是数字的二进制表示形式，则网络的精度可能会提高。否则，您的网络将（很可能）无法解决此任务。

您也可以在this SE线程中找到有关与算术运算有关的神经网络问题的更多信息。根据您想深入了解此问题的程度，过去也有很多关于此问题的论文（例如this或that）。

通常，如果为网络提供二进制表示形式而不是十进制形式，则可以进行算术运算。您甚至可以确定ANN执行该类特定任务所需的确切神经元数量。

Answer 2

为完成FlashTek的答案，神经网络在特定的算术运算方面存在问题，即乘法，除法和派生运算，请参见 https://stats.stackexchange.com/questions/217703/can-deep-neural-network-approximate-multiplication-function-without-normalizatio 和Can't approximate simple multiplication function in neural network with 1 hidden layer

这是因为神经网络是其一部分的数学框架，它们是广义线性模型（GLM）（https://en.wikipedia.org/wiki/Generalized_linear_model，http://mikkyang.com/blog/neural-networks-and-generalized-linear-models/index.html）和加权总和 模型（WSM）（https://en.wikipedia.org/wiki/Weighted_sum_model），请注意，在GLM和WSM中，张量（矩阵，向量）之间没有乘法仅涉及乘以标量权重。这就是为什么神经网络无法应用于或不足以解决具有特定结构（涉及乘法，除法...）的数学问题的原因

使用机器学习（ANN）对奇数分类

2 个答案: