具有未分类输入的人工神经网络

Posted 2023-03-13

【中文标题】具有未分类输入的人工神经网络

【英文标题】：Artificial neural network presented with unclassified inputs

【发布时间】：2014-10-09 17:47:00

【问题描述】：

我正在尝试使用前馈神经网络对时间序列数据的部分进行分类，该网络在单个隐藏层中使用 20 个神经元，并且 3 个输出对应于我希望能够识别的 3 个事件。还有很多其他的东西我可以在数据中分类（显然），但我暂时并不真正关心它们。神经网络的创建和训练使用 Matlab 的神经网络工具箱进行模式识别，因为这是一个分类问题。

为了做到这一点，我依次填充了一个移动窗口，然后将该窗口输入到神经网络中。我遇到的问题是，我显然无法对时间序列呈现的每一种可能的形状进行分类和训练。因此，我通常会得到充满数据的窗口，这些数据看起来与我用来训练神经网络的窗口非常不同，但仍然得到接近 1 的输出。

本质上，我训练 ANN 的 3 件事是 20 个不同数据集的窗口，这些数据集对应于稳定状态的形状，一条以负斜率开始并趋于 0 斜率的曲线（基本上是左半边）向上打开的抛物线的一侧），以及对应于 0 斜率的快速下降的曲线（向下打开的抛物线的右半侧）。

我是否认为如果我输入的数据与我用它训练 ANN 的任何项目都不对应，那么所有输出的输出值应该接近 0？

或者可能是因为这些基本涵盖了所有稳态的基础，增加和减少，尽管斜率差异很大，因此总是分类？

我想我只需要朝着正确的方向轻推。

【问题讨论】：

如果我相信您只引入了输入值应该使输出值等于 1 的 NN，我是否理解正确？换句话说：你是否在应该输出 0 的输入值上训练了网络？

【参考方案1】：

神经网络输出值

如果在训练期间呈现这些输入值/预期输出值，神经网络可能无法保证特定的输出值。

对于未经训练的输入值，神经网络不会始终输出 0。

一种解决方案是简单地向网络提供一组输入值，该数组应导致网络输出 0。