當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

神经网络结构与输出值之间的关系

發布時間：2025/4/5 编程问答 24 豆豆

生活随笔收集整理的這篇文章主要介紹了神经网络结构与输出值之间的关系小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

本文統計了在學習率，權重初始化標準和收斂標準都不變的情況下神經網絡的結構對輸出值得影響

比如圖示的網絡用11*11表示，本文收集了從2*2 到35*35的數據

?	a	b	迭代次數	a>0.5	數量	a<0.5	數量	?
2*2	0.501725	0.501025	1727143	0.506531	107	0.496195	93	?
3*3	0.501739	0.501239	856043.1	0.506535	105	0.496438	95	?
4*4	0.501742	0.501142	622167.2	0.506452	106	0.496431	94	?
5*5	0.501102	0.501702	558111.4	0.506497	94	0.496318	106	?
6*6	0.501764	0.501064	535387.6	0.506454	107	0.496368	93	?
7*7	0.501881	0.501181	589825.6	0.506547	107	0.496514	93	?
8*8	0.500504	0.502404	555818.1	0.506532	81	0.496401	119	?
9*9	0.501592	0.501292	554611.5	0.506504	103	0.496377	97	?
10*10	0.501511	0.501411	569645.4	0.506556	101	0.496363	99	?
11*11	0.501781	0.501381	591014.9	0.506632	104	0.496526	96	?
12*12	0.501255	0.501755	599936.9	0.506499	95	0.496511	105	?
13*13	0.501229	0.502029	616165.2	0.50657	92	0.49668	108	?
14*14	0.501513	0.501613	615826.2	0.506607	99	0.496519	101	?
15*15	0.502192	0.501092	630735	0.506714	111	0.496552	89	?
16*16	0.501363	0.501963	643422.3	0.506717	94	0.496615	106	?
17*17	0.501345	0.502045	653491.6	0.506698	93	0.496692	107	?
18*18	0.501972	0.501472	669932.1	0.506689	105	0.496759	95	?
19*19	0.500927	0.502327	663836.9	0.506566	86	0.496672	114	?
20*20	0.501389	0.502189	703333.7	0.506813	92	0.496769	108	?
21*21	0.502206	0.501306	694105.8	0.506747	109	0.496768	91	?
22*22	0.501445	0.502145	710521.9	0.506866	93	0.496734	107	?
23*23	0.501873	0.501773	719971.3	0.506835	101	0.49681	99	?
24*24	0.501561	0.502061	702123.9	0.506779	95	0.49684	105	?
25*25	0.502251	0.501551	717297.5	0.506889	107	0.496915	93	?
26*26	0.501535	0.502135	725809.9	0.506841	94	0.496829	106	?
27*27	0.501945	0.501745	727087.3	0.506833	102	0.496858	98	?
28*28	0.501269	0.502369	723658.6	0.50678	89	0.496851	111	?
29*29	0.502532	0.501332	728437.2	0.506977	112	0.496875	88	?
30*30	0.501948	0.501848	726516.2	0.506939	101	0.496857	99	?
31*31	0.502448	0.501448	730641.1	0.506975	110	0.496916	90	?
32*32	0.501784	0.502384	738450.4	0.507033	94	0.497129	106	?
33*33	0.50224	0.50194	739203.6	0.507056	103	0.497126	97	?
34*34	0.501618	0.502518	730357.6	0.507074	91	0.497063	109	?
35*35	0.502096	0.502396	751763.7	0.507339	97	0.497159	103	?

權重初始化方式

tw[a][b]=(double)ti1/200;

收斂標準

Math.abs(jud[0]-jud[1])>0.01

學習率

ret=0.1

a值得曲線看起來規律并不明顯

但是如果統計a>0.5

或者統計a<0.5

可以發現非常明顯隨著網絡結構的增加，收斂出的輸出值也在增加，可以合理的推測如果收集的樣本數量不是200組而是2000組合2萬組得到的曲線應該光滑的多。

所以神經網絡的輸出值是判斷網絡結構的相當有參考價值的指標，輸出值的變化可以很好的反應網絡結構的變化。

本文所用數據同《用神經網絡模擬分子：數據重復性檢測 ?》的數據。

總結

以上是生活随笔為你收集整理的神经网络结构与输出值之间的关系的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇：收敛标准对迭代次数影响
下一篇：用特征迭代次数区分minst数据集的0和