回答情况：
提问时间：
问题标签：
我有一个神经网络，最后一层有10个输出神经元，使用softmax激活。我还确切地知道，基于输入值，输出层中的某些神经元应该具有0值。所以我有一个特殊的输入层，有10个神经元，每个神经元要么是0，要么是1。 如果3号输入神经元也是0，有没有可能强制3号输出神经元的值= 0？action_input = Input(shape=(10,), name='action_input')
...('
浏览 17修改于2018-12-19得票数 1
回答已采纳
我目前了解并制作了一个简单的神经网络来解决XOR问题。我想做一个用于数字识别的神经网络。我知道使用MNIST数据，我需要784个输入神经元，15个隐藏神经元和10个输出神经元(0-9)。然而，我不明白网络将如何训练，以及前馈如何与多个输出神经元一起工作。 例如，如果输入是数字3的像素，网络将如何确定选择哪个输出神经元，以及在训练时，网络如何知道哪个神经元应该与目标值相关联。
浏览 19修改于2019-02-26得票数 2
回答已采纳
4回答
目前，我正在学习神经网络，我试图创建一个应用程序，可以训练识别手写字符。对于这个问题，我使用了前馈神经网络，当我训练它识别1，2或3个不同的字符时，它似乎是有效的。但是，当我试图让网络学习超过3个字符时，它将停滞在40 %- 60%左右的错误百分比。网络类型：前馈神经网络
输入神经元:使用 100 ( 10</
浏览 10修改于2019-01-21得票数 11
回答已采纳
一开始，在阅读这本书之前，我认为这是很直观的，你需要10个输出神经元，每个神经元代表一个给定的数字，但我开始质疑我为什么这么认为。你可能会想，为什么我们使用10个输出神经元。四个神经元足以对答案进行编码，因为2^4=16大于输入数字的10个可能值。为什么我们的网络应该使用10个神经元呢？这不是很低效吗？最终的理由是经验性的:我们可以尝试这两种网络设计，结果是，对于这个特殊的问题，有10
浏览 0修改于2019-08-25得票数 6
回答已采纳
我构建了一个具有以下结构的单个FeedForward网络：
我的问题是：
创建具有多个输出的单个网络是一种好方法吗？也就是说，我应该为每一个数字创建一个独立的网络吗？我问它，因为目前的网络被困在~75%的成功率。实际上，“10</
浏览 2修改于2015-06-05得票数 0
回答已采纳
我试图建立一个稀疏的递归神经网络，总共有100个神经元，每个神经元只随机连接其他10个神经元，权重是从高斯分布中随机提取的，平均值为5e-05标准差。我知道在Python中，要从高斯分布中提取权重，我可以使用：但是，怎样才能有效地将每个神经元随机连接到网络中的其他10个神经元
浏览 9修改于2022-02-26得票数 0
1回答
我正在开发一个，它可以创建“灵活的”神经网络。灵活的意思是，它们不是由层组成，而是由单个神经元或神经元群组成。
1, 2, 3, 4, 5, 6, 7, 8, 9, 10
1, 2, 4, 3, 5,
浏览 2提问于2017-03-21得票数 0
回答已采纳
我正试着去理解(和想象)一个时代对于培养一个神经网络来说到底是什么。在这种情况下，我如何想象/理解一个时代？
浏览 5修改于2014-09-17得票数 5
回答已采纳
我读过中的chap1，在“一个简单的手写数字分类网络”(你可以用ctrl-f搜索)中，我发现了一个很好的问题：“为什么我们应该在输出层使用10个神经元，而不是4个神经元?”对于4个神经元，每个神经元的值为0或1，则表示2^4 = 16 > 10。那么，为什么我们不在输出层使用4个神经元呢？
浏览 3提问于2016-09-12得票数 1
例如，如果我们在数据集中有10k个唯一的单词，我们将向网络中输入10000个特征。例如，该网络可以有300个隐神经元，每个神经元都具有线性激活函数。网络的输出为10000个神经元，每个神经元都有一个softmax分类器。每个这样的“软最大输出”表示从我们的10k字典中选择合适单词的概率。我真的能用那300个神经元来形成我的其他网络吗？比如说，在我的LSTM里，等等？
那么我的LSTM的重量就不会占用
浏览 0修改于2018-03-09得票数 1
回答已采纳
最近，我设法创建了简单的神经网络可视化，以帮助理解神经网络如何在信号水平上工作。我还想按照相似的方式排列神经元，因为我期望它们有明显的责任区域。看看它是什么样子：为了查看发行版，我创建了两个度量标准：问题是，我没有看到任何趋势(或倾向)的神
浏览 0修改于2023-03-02得票数 2
回答已采纳
我的神经网络很小，有10个输入神经元，12个单层隐神经元和5个输出神经元。
有人对发生了什么事有一点
浏览 1提问于2016-07-28得票数 9
2回答
我必须训练一个非常大的前馈神经网络来进行模式识别。问题是训练神经网络需要很长的时间，这使得神经网络的精细调整非常耗时。
将隐藏层的大小缩小到500到1000之间。
浏览 2修改于2014-05-24得票数 0
回答已采纳
1回答
我对人工神经网络很陌生，但请帮助我回答这个问题。如果我必须识别Unicode字符集中的所有字符，输出层中需要多少个神经元呢？是否有任何方法(动态阈值)来减少这个数目或在输出层中动态增加神经元？
如果可能的话，请提供研究文章的链
浏览 2修改于2014-02-17得票数 1
回答已采纳
我对神经网络非常陌生，最近我建立了用于车牌号码分类的神经网络。它有3层:1输入层，16*24(382神经元)数字图像，150 dpi；1隐层(199神经元)，乙状结肠激活函数；1 softmax输出层(10神经元)，每个数字0到9。我想把我的神经网络扩展到车牌上的字母分类。但我担心，如果我只是简单地在输出中添加更多的类，例如在分类中添加10个字母，总共20个类，神经网络将很难将特征从每个类中分离出来。如果“Item”神经网络<
浏览 17修改于2018-04-23得票数 0
回答已采纳
我的神经网络看起来像这样
显然，我们有10个输入值和2个输出值。
还有10个隐藏的神经元。所以我假设10个输入中的每一个都连接到10个隐藏神经元中的每一个？
浏览 15提问于2018-08-02得票数 0
回答已采纳
1回答
我想训练一个神经网络来进行信号分类。
50个隐藏层(不受限制)双曲正切(不受限制)
0.001 - 1.5学习率
学习率: 0.01
1个隐藏层(50个神经元
浏览 2修改于2016-06-02得票数 0
让我们以一个带一个隐层的全连通神经网络为例。输入层由5单元组成，每个单元与所有隐神经元相连。共有、10条隐神经元、。
像Theano和Tensorflow这样的库允许多维输入/输出形状。这种输入是如何映射到所描述的神经网络上的？我不明白(0，5,300)的外型是什么意思(只是一个例子)。在我的想象中，我们只是有一群神经元，其中一个数字流动。当输出形状为(0，5,300)时，对应的网络中有多少神经元？我如何将这些词与我的神经网络</em
浏览 3修改于2017-05-08得票数 12
回答已采纳
我想训练一个简单的1-隐藏层网络。网络应该由三层组成:一个输入层(2个dims)，一个隐藏层(10个dims)和一个输出层(1个dim)。问题似乎是我的目标标签是一维的，但网络的输出高于10维。', input_shape = ncol(x_train)) %>%
layer_dense(units = 1, activation = 'linear') 现在我可以编译网络了。[1]似乎如所希望的那样，与具有10个神经元<
浏览 43提问于2019-12-23得票数 0
回答已采纳
例如，有10个神经元的隐层，其中5个神经元具有ReLU激活，5个神经元具有Sigmoid激活功能。我想要创建一个板结构神经网络。
浏览 5修改于2017-09-11得票数 0
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号