具有大量输入和输出的人工神经网络

Question

我一直在关注 Dave Miller 的 ANN C++ 教程，但在让它按预期运行时遇到了一些问题。

您可以查看我正在使用的代码here。这是一个 XCode 项目，但包含 main.cpp 和数据集文件。

以前，这个程序只会给出 -1 和 1 之间的输出，我推测是由于使用了 tanh 函数。我已经操纵了数据输入，因此我可以输入更大且具有有效输出的数据。我只是简单地将输入值乘以 0.0001，然后将输出值乘以 10000。

我使用的训练数据是包含的 CSV 文件。最后一列是预期的输出，其余的是输入。我是否对这些数据使用了错误的数学函数？

你会说这实际上是在学习吗？整件事让我压力很大，我理解 ANN 背后的理论，但我无法自己从头开始实施。

最近的净平均误差肯定会越来越小，对我来说这就是学习。

如果我没有很好地解释自己，我很抱歉，我对 ANN 很陌生，这整件事让我很困惑。我的大学讲师在实践方面毫无用处，他们只教我们理论。

我一直在研究 eta 和 alpha 值，以及隐藏层的数量。

Answer 1

你解释得很好，如果最近的净平均值越来越低，这可能意味着网络实际上正在学习，但这是我关于如何完全确定的建议。

将您的 CSV 文件拆分为 2 个文件，其中一个应占所有数据的 10% 左右，另一个应占所有剩余数据。 您从未经训练的网络开始，通过网络运行 10% 的文件，并为每一行保存实际输出和预期结果之间的差异。 然后你只用你拥有的 90% 的 CSV 文件训练网络，最后你再次通过 NET 运行第一个 10% 文件，并将第一次运行时的差异与最新的差异进行比较。 您应该会发现新结果比第一次更接近预期值，这将是您的网络正在学习的最终证明。 这有意义吗 ？如果不是，请分享一些代码或给我发送您正在运行的练习的链接，我将尝试用代码解释它。