使用神经网络识别输入序列

Question

我讲简单的神经情景说：网络有3层，3个输入和2个输出。应训练它识别一个简单的模式 - 如果输入相应地为6.0,7.0和8.0，则输出应为3.0和4.0，否则输出应为23.0

据我所知，隐藏层应该使用简单的if else条件按顺序检查输入模式。

if in1 == 6 and in2 == 7 and in3 ==8:
    out1, out2 = 3, 4
else
    out = 5

我是否正确理解了问题或我错过了什么？

Answer 1

根据你的描述很难确定，并假设我没有遗漏一些非常明显的东西，如果你打算开发和训练一个ANN引擎那么你肯定不能通过一个简单的if / else语句来做。如果您打算经典地这样做，那么您需要构建/利用诸如使用需要最小化的成本函数的监督学习算法之类的东西。

Answer 2

这不是神经网络的工作原理，隐藏的节点肯定不仅仅是if / else检查

这是一个非常大的主题，因此我强烈建议您查看类似免费课程机器学习课程（或类似内容）的内容，以了解神经网络正在做什么（https://www.coursera.org/learn/machine-learning/home/welcome）

基本上您的输入节点是变量/特征，所以是的，对于给定的训练示例，您可能正在输入6,7和8.但是您的隐藏节点没有进行条件检查。每个隐藏节点本质上是输入要素的线性组合，其中每个要素乘以一些待确定的权重。训练网络的过程是确定这些权重的理想值，以最大化输出层的分类准确度。

如果您期望输出类似于3,4,23（即连续和非离散类别），您可以查看线性回归模型，这与您在高中学习的回归模型基本相同： http://aimotion.blogspot.ca/2011/10/machine-learning-with-python-linear.html

if / else语句最接近的就是决策树分类器，但即便如此，它也不是严格的if / else语句：https://en.wikipedia.org/wiki/Decision_tree_learning