线性与非线性神经网络?
neural-network
tensorflow
5
0

我是机器学习和神经网络的新手。我知道如何建立非线性分类模型,但是我目前的问题是连续输出的。我一直在寻找有关神经网络回归的信息,但是我遇到的只是线性回归的信息-与非线性情况无关。这很奇怪,因为为什么有人还是要使用神经网络来解决简单的线性回归?这不是像用核弹杀死苍蝇吗?

所以我的问题是:什么使神经网络非线性? (隐藏层?非线性激活函数?)或者我对“线性”一词有完全错误的理解-线性回归NN能否准确地建模比y = aX + b更复杂的数据集? “线性”一词是否与“物流”相反?

(我打算使用TensorFlow,但TensorFlow线性模型教程以二进制分类问题为例,因此也无济于事。)

参考资料:
Stack Overflow
收藏
评论
共 2 个回答
高赞 时间 活跃

对于初学者来说,神经网络可以为任何函数(不仅仅是线性函数)建模,请看一下-http://neuralnetworksanddeeplearning.com/chap4.html

神经网络具有非线性激活层,这使神经网络具有非线性元素。

输入和输出相关的功能由神经网络及其获得的训练量决定。如果您提供两个具有线性关系的变量,那么只要您不过度拟合,网络就会学到这一点。同样,足够复杂的神经网络可以学习任何功能。

收藏
评论

从输入到输出的任何非线性都会使网络非线性。用我们通常考虑和实现神经网络的方式,这些非线性来自激活函数

如果我们试图拟合非线性数据并且仅具有线性激活函数,那么我们对非线性数据的最佳近似将是线性的,因为这就是我们可以计算的全部。您可以在此处看到一个神经网络的示例,该神经网络试图仅使用线性激活函数来拟合非线性数据

但是,如果我们将线性激活函数更改为类似于ReLu 的非线性 函数 ,则可以看到更好的数据非线性拟合。您可以在这里看到。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号