1回答
现在，这是我用来构建NN的代码： # define the architecture of the networkmodel.add(Dense(50, input_dimmetrics=["accuracy"]) verbose=1) 当我这样做时，我得到以下错误： KeyError: '[233946 164308 296688 166151 27
浏览 12提问于2019-04-30得票数 1
回答已采纳
我从Tensorflow开始，到目前为止，我只处理过具有少量隐藏层的“浅”前馈网络或神经网络，其对应的W是以如下方式单独定义的(该示例对应于具有五个隐藏层的网络的初始化)： W1 = tf.Variableb5 = tf.Variable(tf.truncated_normal([10])) 我的问题是，是否有任何机制可以将NN的深度作为超参数传递(同时指定每层的节点数)，以便在处理更深层次的网络时可以避免这一步
浏览 35提问于2019-02-10得票数 0
4回答
反向传播和前馈神经网络有什么区别？
除了流向之外，还有其他的区别吗？那么，反向传播是否足以显示前馈？
浏览 10提问于2015-02-09得票数 42
回答已采纳
1回答
我是神经网络的初学者，我试图用python中的5个输入来预测温度值(输出)。我在python中使用了keras包来工作神经网络。同时，利用前馈神经网络(回归)和递归神经网络(LSTM)两种算法对预测值进行了预测。然而，这两种算法都不能很好地用于预测。在我的前馈神经网络(回归)中，我使用了三个隐藏层(包含100个、200个、300个神经元)，如下所
浏览 0提问于2017-08-02得票数 1
回答已采纳
1回答
我一直在查看keras博客中的自动编码器：https://blog.keras.io/building-autoencoders-in-keras.html📷我是否正确地认为，一个正常的完全连接的前馈传播就足够了？如果是的话，是否有任何方法来控制阈值时，
浏览 0提问于2017-08-09得票数 2
回答已采纳
我刚刚开始学习神经网络，以便从cs231中深入学习。我试图在Python中实现神经网络。我正在考虑使用Tensorflow或scikit-学习。对于这个应用程序，这些库的优点和缺点是什么？
浏览 0提问于2018-08-12得票数 10
在阅读了一些理论之后，我对以下术语感到有点困惑：深层神经网络前馈神经网络深层神经网络是一种具有多层结构的前馈神经网络。
我知道前馈神经网络是什么，但据我所知，深神经网络</
浏览 0提问于2019-07-15得票数 3
回答已采纳
2回答
我是新的神经网络，我想创建一个前馈神经网络的多类分类。我可以使用任何公开的代码，但不是任何MATLAB ToolBox，因为我没有访问它的权限(所以没有神经网络工具箱)。目标是将数据分类为10个类中的一个。，类由最后一列中的三个字母代码定义。
在创建神经网络时，您是否简单地定义了节点的数量，并让层中的每个节点连接到层i+1中的每个节点？然后让他们自己学习举重？还有
浏览 2提问于2014-10-22得票数 2
回答已采纳
1回答
简单前馈网络中的扁平化
、、、
我正在处理CIFAR10数据集，并在Keras中遇到了这个示例，使用了数据增强：
但是，我看到只在CNN中使用Flatten()。我相信它可以在简单的前馈网络中使用，但我是否遗漏了什么？
浏览 3提问于2020-05-28得票数 0
1回答
我有一个简单的、完全连接的前馈神经网络，使用Keras构建。网络有一个输入，一个带有两个神经元的隐层，以及一个大小为3的输出。from keras.models import Sequentialmodel = Sequential如何在Keras中做到这一点？换句话说，我如何在最后手动添加一个层来执行上面的元素
浏览 1提问于2022-07-19得票数 0
回答已采纳
1回答
我正在构建一个DNN，在对这些值排序后，我需要将这些值从一个隐藏层传递到下一个隐藏层。我正在考虑使用Lambda层来进行排序，但是它在编译时抛出了错误。下面是一个简单的代码，说明了这个问题。np.array([1,0,1,0,1])
y = y.reshape(-1, 1, 1) 上面的"x“是我的输入，我想按升序对这些值进行排序，然后将其传递给前馈网络请注意，在我最初的问题中，"x“值来自以前的隐藏
浏览 15提问于2020-09-13得票数 0
1回答
文本嵌入层之后池化层的用途
、、、、
https://www.tensorflow.org/tutorials/text/word_embeddings#create_a_simple_model)上的教程来学习单词嵌入，我有一个困惑是关于在嵌入层之后紧跟着一个全局平均池化层的目的，如下所示： model = keras.Sequential([ layers.GlobalAveragePooling1D
浏览 37提问于2020-03-26得票数 1
在自定义优化器中，如果损失函数没有减少，我想用随机值更新权重。但是，在可以覆盖的方法(resource_apply_dense、resource_apply_sparse、create_slots、get_config)中，我看不到如何做到这一点。
浏览 0提问于2020-06-13得票数 0
1回答
我试图用keras和tensorflow建立一个深度学习神经模型，它可以根据一组时间序列数据和一些固定的数据来预测某个事件是否会发生。现在，我的问题是如何构建这个，因为我有一些固定的数据，不随时间变化，还有一些时间序列数据，随着时间的推移而变化。
我想到的选项是LSTM --但不确定是否应该输入固定的静态数据。
浏览 0提问于2017-04-13得票数 2
回答已采纳
2回答
在Keras中，我正在使用前馈神经网络处理一些数据。我已经注意到，如果我日志转换数据，模型训练得更好，但是转换后的数据上的误差度量不一定能很好地反映原始数据集的情况。目前，我使用的是平均百分比误差度量(mape)，在日志转换数据集上的CV误差为3.8%，当我对预测进行反向转换并检查原始输出时，其CV误差约为25%。
在这种情况下，是否有更好的成本/目标函数选择？
浏览 0提问于2016-05-13得票数 6
1回答
如何在前馈神经网络中鼓励冒险？
、、、、
我第一次真正深入研究神经网络，并试图在没有任何外部数据库的情况下构建经典的“号码识别网络”。在一些初始测试之后，我遇到了我的网络将所有权重保持在令人难以置信的低水平，以便输出几乎为零的问题。我明白为什么会发生这种情况(每次程序得到10个输出中的9个都是正确的！)但很明显，这是我需要阻止的事情。
有谁有关于如何解决这个问题的建议吗？我正在为前馈神经网络使用sigmoid激活函数和交叉熵代价函数，我想知道是否有更好的选择
浏览 3提问于2020-03-23得票数 1
1回答
前馈网络的接受域
、、
我对人工智能和神经网络非常陌生。我已经在PyTorch中实现了一个前馈神经网络，用于对MNIST数据集进行分类。现在，我想要可视化隐藏神经元(子集)的感受野。但我在理解接受域的概念时遇到了一些问题，当我在谷歌上搜索时，所有的结果都是关于CNNs的。那么，有没有人可以帮助我在PyTorch中如何做到这一点，以及如何解释结果？
浏览 3提问于2019-12-02得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
