神经网络算法如何确定期望输出值？新手求教，谢谢。
训练样本是用来训练学习机的，测试样本是学习机要识别的对象。
比如你想让一台电脑能识别茶杯，首先你要准备一个茶杯(训练样本)，然后把茶杯给计算机看(数据输入)，并告诉电脑说这样的东东是茶杯(期望输出)，电脑看到茶杯后它认为是花盆，但看到你的期望是茶杯，他就不停训练自己这个是茶杯不是花盆，直到电脑他自己认为茶杯是茶杯后结束（这个过程叫学习），然后你把另一只茶杯(测试样本)放在电脑面前，并问他这是什么东东，电脑通过运算后告诉你是茶杯(这个过程叫识别)。
神经网络的原理是输入层的数据经过多个神经元后的输出值尽量接近给出的期望值，如果输出值与期望值误差大，则反复修改神经元的权，直到输出值与期望值的误差在可接受范围。
神经网络的权值是通过对网络的训练得到的。如果使用MATLAB的话不要自己设定，newff之后会自动赋值。也可以手动：net.IW{}= ; net.bias{}=。一般来说输入归一化，那么w和b取0-1的随机数就行。神经网络的权值确定的目的是为了让神经网络在训练过程中学习到有用的信息，这意味着参数梯度不应该为0。
参数初始化要满足两个必要条件：
1、各个激活层不会出现饱和现象，比如对于sigmoid激活函数，初始化值不能太大或太小，导致陷入其饱和区。
2、各个激活值不为0，如果激活层输出为零，也就是下一层卷积层的输入为零，所以这个卷积层对权值求偏导为零，从而导致梯度为0。
扩展资料：
神经网络和权值的关系。
在训练智能体执行任务时，会选择一个典型的神经网络框架，并相信它有潜力为这个任务编码特定的策略。注意这里只是有潜力，还要学习权重参数，才能将这种潜力变化为能力。
受到自然界早成行为及先天能力的启发，在这项工作中，研究者构建了一个能自然执行给定任务的神经网络。也就是说，找到一个先天的神经网络架构，然后只需要随机初始化的权值就能执行任务。研究者表示，这种不用学习参数的神经网络架构在强化学习与监督学习都有很好的表现。
其实如果想象神经网络架构提供的就是一个圈，那么常规学习权值就是找到一个最优点（或最优参数解）。但是对于不用学习权重的神经网络，它就相当于引入了一个非常强的归纳偏置，以至于，整个架构偏置到能直接解决某个问题。
但是对于不用学习权重的神经网络，它相当于不停地特化架构，或者说降低模型方差。这样，当架构越来越小而只包含最优解时，随机化的权值也就能解决实际问题了。如研究者那样从小架构到大架构搜索也是可行的，只要架构能正好将最优解包围住就行了。
参考资料来源：百度百科-神经网络
如何将算法与神经网络组合使用
1、神经网络作为算法的一部分：将神经网络作为算法的一部分，用于提取特征或者进行分类等任务。例如，在图像识别中，可以使用卷积神经网络提取图像特征，然后使用支持向量机等算法进行分类。2、神经网络优化算法：使用神经网络来优化算法的参数，以提高算法的准确性和效率。例如，在推荐系统中，可以使用神经网络...
人工神经网络算法是什么
人工神经网络的许多算法已在智能信息处理系统中获得广泛采用，尤为突出是是以下4种算法：ART网络、LVQ网络、Kohonen网络Hopfield网络，下面就具体介绍一下这这四种算法：1．自适应谐振理论（ART）网络自适应谐振理论（ART）网络具有不同的方案。一个ART-1网络含有两层一个输入层和一个输出层。这两层完全...
神经网络的分类
BP神经网络：BP 神经网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。RBF（径向基）神经网络：径向基函数(RBF-Radial Basis Function)神经网络是具有单隐层的三层前馈网络。它模拟了人脑中局部调整、相互覆盖接收域的神经网络结构。感知器神经网络：是一...
最常见的人工智能算法都有哪些
1. 神经网络算法 神经网络算法是一种受生物神经网络启发的计算模型，用于处理和分析复杂的数据关系。它由大量的节点或神经元组成，每个神经元都与其他神经元相互连接。这些连接权重代表了神经元之间的强度，通过学习算法不断调整这些权重，神经网络可以自动提取输入数据的特征，并用于分类、回归或其他任务。2....
现代优化算法有哪些
现代优化算法有多种，主要包括以下几种：遗传算法、神经网络算法、粒子群优化算法、差分进化算法等。遗传算法是一种基于生物进化原理的优化算法。它通过模拟自然选择和遗传机制，在解空间中进行高效搜索。遗传算法特别适用于解决复杂的优化问题，如函数优化、机器学习等。其主要步骤包括编码、初始群体生成、适应...
如何用神经网络进行时间序列预测
1、将时间序列拆开，组织训练样本；2、参考附件的例子，用的是BP神经网络；3、神经网络是86年Rumelhart和McCelland为首的科学家小组提出，是按误差逆传播算法训练的多层前馈网络，是应用最广泛的神经网络模型；4、BP网络能学习和存贮大量的输入，输出模式映射关系，而无需事前揭示描述这种映射关系的数学...
计算机网络体系结构的ISO\/OSI网络体系结构
至于网络层如何利用数据链路层的资源来提供网络连接,对传输层是透明的。网络层控制分组传送操作,即路由选择,拥塞控制、网络互连等功能,根据传输层的要求来选择服务质量,向传输层报告未恢复的差错。网络层传输的信息以报文分组为单位,它将来自源的报文转换成包文,并经路径选择算法确定路径送往目的地。网络层协议用于实现...
为什么神经网络能以任意精度拟合任意复杂度的函数?
Universal approximation theorem (Hornik et al., 1989;Cybenko, 1989) 定理表明:前馈神经网络,只需具备单层隐含层和有限个神经单元,就能以任意精度拟合任意复杂度的函数。这是个已经被证明的定理。下面我们用一种轻松的方式解释,为什么神经网络(理论上)可以拟合任何函数? 看过《神偷奶爸》这部电影的同学都知道,小黄人...
经典图网络:DeepWalk算法原理
DeepWalk通过随机游走随机采样节点序列，构建同构网络，进而使用skip-gram模型进行向量表示的学习。skip-gram模型通过最大化节点共现，对采样数据进行训练，获取节点的向量化表示。随机游走是一种深度优先遍历算法，用于生成节点序列。DeepWalk实验结果表明，该方法在图分类、节点分类、链接预测和可视化任务中表现出...
智能控制有哪些算法
2. 神经网络控制算法神经网络控制算法是一种模拟生物神经网络行为的控制算法。它通过训练大量的数据，让神经网络学习并优化控制策略。这种算法具有很强的自适应性和学习能力，可以处理复杂的、不确定的系统，并在未知环境下进行有效的控制。3. 强化学习控制算法强化学习控制算法是一种通过与环境交互，学习并...
希奖对氨： 把P定义为你期望输出的那个点的参数矩阵,net为你训练得到的网络,你可以用sim(net,P)取出期望值.
余干县13963745219： 神经网络权值怎么确定? - ？
希奖对氨： 神经网络的权值是通过对网络的训练得到的.如果使用MATLAB的话不要自己设定,newff之后会自动赋值.也可以手动:net.IW{}= ; net.bias{}=.一般来说输入归一化,那么w和b取0-1的随机数就行.神经网络的权值确定的目的是为了让神经网...
余干县13963745219： BP神经网络算法,权植阀值如何确定呢? - ？
希奖对氨： 根据误差梯度下降法来调节各层的权值和阈值,使修改后的网络的最终输出能接近期望值. Tk为预期输出,Ok为实际输出;使下面的式子最小: 得出各层权值阈值修正公式:徐文力_新浪博客:误差反向(BP)神经网络算法及其演示
余干县13963745219： 在三层bp神经网络中,如果知道输入层的值和各个神经元的权值,怎么求输出层的值? - ？
希奖对氨： 这得看你用的什么激活函数,一般用sigmoid函数,不过情况是一样的.用权值乘以输入值,然后带入激活函数,这就是隐层的输出,再与隐层到输出层的权值相乘求和,这就是最后的输出.不过建议你看看关于神经网络的书,在百度直接搜神经网络就有很多这方面的课件或者书,看看就明白了.
余干县13963745219： 如何人工神经网络来预测下一个数值 - ？
希奖对氨： newff函数建立BP神经网络,历史数据作为样本,例如前n个数据作为输入,输入节点为n.当前数据作为p,输出节点为1.隐层节点根据试凑法得到.通过matlab的train函数,得到训练好的BP神经网络.再将当前预测点的前n个数据作为输入,输出即为当前的预测值.
余干县13963745219： 如何测试BP神经网络 - ？
希奖对氨： 先找一个期望函数,比如y=1/x,那么输入就是x(值随便设),理想的输出结果就是1/x.用实际的输出结果与理想的结果做运算,依据运算结果对隐层和输出层的权值矩阵进行调整.然后继续输入样本,得到结果在与理想结果运算,再权值调整.一直到最后,你的输出结果就会和你的理想结果相接近了.如果没有期望函数,或者期望的输入输出关系,那么就谈不上训练好了一个神经网络.一个网络都是对于一定的输入输出关系而言的,关系彻底改变,那么网络就要重新训练.
余干县13963745219： 什么是BP算法 - ？
希奖对氨： 误差反向传播(Error Back Propagation, BP)算法 1、BP算法的基本思想是,学习过程由信号的正向传播与误差的反向传播两个过程组成. 1)正向传播:输入样本->输入层->各隐层(处理)->输出层 注1:若输出层实际输出与期望输出(教师...
余干县13963745219： 神经网络的具体算法 - ？
希奖对氨： 神经网络和粗集理论是智能信息处理的两种重要的方法,其任务是从大量观察和实验数据中获取知识、表达知识和推理决策规则.粗集理论是基于不可分辩性思想和知识简化方法,从数据中推理逻辑规则,适合于数据简化、数据相关性查找、发...
余干县13963745219： BP神经网络预测模型在matlab下编程如何显示出它的预测值 - ？
希奖对氨： %画出预测输出结果和期望输出结果图 figure; plot(output_fore,':og'); hold on; plot(output2_lianghua','-*'); legend('预测输出','期望输出'); title('BP网络预测输出','fontsize',12); ylabel('函数输出','fontsize',12); xlabel('样本','fontsize',12); ...
余干县13963745219： 谁能解释下sigmoid 函数 - ？
希奖对氨： Sigmoid函数,即f(x)=1/(1+e-x).神经元的非线性作用函数.人工神经网络的学习算法-BP算法 神经网络的学习是基于一组样本进行的,它包括输入和输出(这里用期望输出表示),输入和输出有多少个分量就有多少个输入和输出神经元与之对...
