您可以幫助我在pyBrain中線性激活我的簡單分類器神經網絡嗎？

Question

我正在使用一個名為pyBrain的Python庫嘗試一個非常簡單的案例，但無法使其正常工作。 可能有一個非常簡單的原因，所以，我希望有人可以提供幫助！

1）一個簡單的XOR可以正常工作。

2）將數字時鍾上顯示的LED分類為數字輸出值可以正常工作。

例如

[ 1.  1.  1.  0.  1.  1.  1.] => [ 0.]
[ 0.  0.  1.  0.  0.  1.  0.] => [ 1.] 
[ 1.  0.  1.  1.  1.  0.  1.] => [ 2.] 
[ 1.  0.  1.  1.  0.  1.  1.] => [ 3.] 
[ 0.  1.  1.  1.  0.  1.  0.] => [ 4.] 
[ 1.  1.  0.  1.  0.  1.  1.] => [ 5.] 
[ 1.  1.  0.  1.  1.  1.  1.] => [ 6.] 
[ 1.  0.  1.  0.  0.  1.  0.] => [ 7.] 
[ 1.  1.  1.  1.  1.  1.  1.] => [ 8.] 
[ 1.  1.  1.  1.  0.  1.  1.] => [ 9.] 

3）將數值分類到led輸出以驅動數字顯示器不起作用。

例如

[ 0.] => [ 1.  1.  1.  0.  1.  1.  1.] 

等等等等（如上所述，但是相反）。

我正在使用具有10個輸入，1個輸出的簡單線性激活器，並且在隱藏層中嘗試了> 12個神經元。

我的困惑是，網絡難道不應該記住隱藏層中有10個神經元的模式嗎？

我敢肯定我很想念一些東西，所以，請隨時啟發我的愚蠢！

Answer 1

在進行回歸（單個輸出節點表示值的范圍）時，線性激活是很好的選擇，但對於分類（二進制輸出表示匹配項），最好使用限制值范圍的激活。 像乙狀結腸或tanh。

Answer 2

我認為， MetaOptimize可能會幫助您而不是SO。

我只參加了ML入門課程。 但是據我所記得，神經網絡可以解決許多問題，但它們就像黑匣子。 如果它們不起作用，則很難確定為什么它們不起作用。 具體來說，對於隱藏層中的節點數沒有特定的規則（某些問題有經驗法則）。