人工neural network

我有一个人工networking需要识别130个不同types的动作编码的1和0。 所以我使用的输出数是8,所以我所有的模式都可以区分。 但是,通过使用8个输出,可能的不同types的模式是256,使我有126个不同types的模式无用。

这些额外的126种不同的图案是否会毁掉我的ANN的能力? 有没有更好的方法不要有这些未使用的漏洞?

是的,不相关的输出值会让培训更难。

输出不一定是1和0。 事实上,如果你只是将每个输出视为一个二进制位,那么这可能是一个坏主意,因为与你正在训练的语义相比,输出的每一位都是相当随意的值。 例如,移动127和128之间的差异可能很小,但输出几乎完全不同。 你会问很多隐藏层来理解这些任意的分割。 ( 格雷码在这种情况下可能是更好的答案,但不要在此引用我的意思。)

为了充分解决这个问题 – 或者实际上,大部分AI问题 – 重要的是要更多地了解数据的表示。 在130个产出中,它们之间是否有任何相关性? 如果是这样的话,有没有一种方法来表示他们更有意义,并使相似的数字具有相似的语义? (例如,你不会在棋盘上表示一个从1-64开始的数字,你可以使用1-8中的两个数字)。如果你能find一个更接近你的数据语义的输出方法,可能的多余产出的方式较less,那么培训将会更加成功。