人工神经网络训练与测试

Question

我正在尝试创建一个ANN，它将解决一个简单的分类问题，例如，我使用的示例是度分类，因此输入将是0-100之间的百分比，而输出将是五分之一（1st，2：1， 2：2 ...）。

目前，我已经建立了一个具有三层的神经网络，即1个输入神经元，3个隐藏神经元和5个输出神经元，我设法使用一个输入（例如60和输出（1,0,0,0,0））训练网络。 我不确定如何为每种输入和输出组合正确地训练网络，以便在训练后我能够输入百分比，正确的输出神经元将是最接近1的数字。

该网络使用标准的前馈和后传算法，随机权重和Sigmoid函数。

我有一个文件，我认为该文件可以与输入0-100一起使用，而输出介于两者之间：

0
1，0，0，0，0

1个
1，0，0，0，0

.....

40
0、1、0、0、0

....

100
0、0、0、0、1

谢谢

Answer 1

我不太了解您要学习的功能，但这并不重要。 训练ANN的常用方法是使用SGD（随机梯度下降），其中反向传播用于一次计算每个示例的梯度。 您只需在所有输入示例上重复循环，直到了解了这些示例为止。

您没有提到的一件事是您需要损失函数。 在您的情况下，可能需要一个简单的均方误差。

Answer 2

我建议您在此链接上查看用于分类的classifer.py python脚本classifer.py : //www.marekrei.com/blog/theano-tutorial/此链接提供了上述教程的完整代码- https://github.com/marekrei/theano-tutorial

上面链接的分类脚本用于预测一个国家的人均GDP是否高于平均GDP。 但是，我将脚本用于其他类型的数据集。 使用上述分类器脚本，我可以成功地在Theano中训练神经网络，从而将语音分类为字母“ A”或“ E”。