训练具有复值权重的神经网络（初始化复值权重实值输入）

Question

正如问题所述。我的目标是训练一个重量是复数的神经网络。使用默认的scikit学习网络并在此基础上编辑（编辑源代码）我遇到的主要问题是scipit中使用的优化函数从scipy中获取仅支持输入为实数的函数的数值优化。

如果您希望分叉和编辑结构相当不灵活，那么Scikit学习对于神经网络来说是相当差的。

正如我已经注意到并在这里阅读了一篇论文，我需要改变诸如错误函数之类的东西，以确保在顶层错误仍然存​​在于实数域中或者问题变得不明确。

我的问题是，是否有任何标准库可以执行此操作？或任何简单的调整，我可以做烤宽面条或张力流来拯救我的生命？

P.S。 ： 很抱歉没有发布任何有效的代码。格式化stackoverflow标准是一个困难的问题，我承认它可能超出了主题，在这种情况下，我道歉，如果有的话。

Answer 1

最简单的方法是将您的功能划分为实部和虚部。我已经使用跳跃运动的矢量输入完成了类似的工作，如果将矢量划分为它们的分量轴，它可以显着简化事物。

Answer 2

Tensorflow具有基本的复数支持。

如果你必须自己构建神经网络节点，你可以看一眼blog。

对于全纯函数，复杂BP非常简单。

对于非全纯函数，它们需要小心处理。