训练后测试神经网络

Question

我写了一个代码，用delta规则训练单个神经元网络。 另一个用于将2个类别分类的感知器。 我训练了他们2000个样本，它们工作正常。

现在，我希望使用在训练过程结束时获得的最后权重来测试它们（再加上2000个样本），并按如下所示在测试代码中使用它们：

function accuracy = test( data,weight1,weight2 )

xZero=1;
wZero=0.1;
counter=0;

for(n=1:2000)
    x1=data(n,1);
    x2=data(n,2);
    desired=data(n,3);

    y=(xZero*wZero)+(x1*weight1)+(x2*weight2);
    if(y==desired)
        counter=counter+1;
    end

end

但是我得到counter = 0，这意味着没有y值等于期望值。 是我们如何测试网络还是我错过了什么？ 我正在尝试在线或从有关如何测试的书中找到一种算法，但我没有。 是否必须具有与所需输出相同的精确输出，还是应该使用阈值之类的东西？

Answer 1

神经网络的类型不同，但是在这种情况下，您的网络中似乎应该有两个输出y1和y2。 训练完神经网络后，您可以为每个测试样本获取y1和y2的值，然后计算y1和y2的最大值。 最大值决定了样品的类别。