如何通过机器学习来学习诸如“添加”之类的操作

Question

有什么主意吗？

问题状态：

Giving futures:
0+1=1, 1+1=2, 1+2=3, 1+3=4, 1+4=5,
1+5=6, 1+6=7, 1+7=8, 1+8=9, 1+9=10
How to build a machine learning algorithm to learn "+" operation in decimal?

例如学习后，123 + 321应该得到444； 12345678901234567890 + 12应该获得12345678901234567902

数据集的大小无穷大，这个问题很难解决；传统的神经网络方法擅长分类，但需要足够的训练集，不适用于无限集。

尽管有很多方法可以尝试解决问题；但是在很大的数量上无法获得良好的结果。这意味着像LSTM这样的算法可以存储操作数和结果之间的映射，但是尚未学习如何进行加法运算。

此外，我的意思是使用不受“神经网络”限制的“机器学习”。

（请在回答之前先阅读参考文献；纯LSTM和类似的算法不够强大，因此无法预期。）

参考：https://machinelearningmastery.com/learn-add-numbers-seq2seq-recurrent-neural-networks/

Answer 1

最简单的神经网络就可以了。建筑：

• 输入：等于要添加的位数。在这种情况下，yourView.setLayoutParams(new LinearLayout.LayoutParams(width, height)); 。
• 输出：具有所有输入的2和bias=0的单个神经元。
• 激活功能：线性。

通常：

鉴于我们的体系结构，您的输出将简化为weight=1，这正是解决方案。除了固定偏差和权重之外，您还可以让系统学习它们，它会非常快-只需记住使用线性激活。

如果您想玩花哨的游戏，可以使用RNN。诀窍是完全像计算机一样执行此操作：使用二进制表示。 RNN应该能够学习如何执行该程序。为什么会伤害自己？