matlab中的神经网络拟合
Neural net fitting in matlab
我正在尝试找到用于 运行 神经网络 Matlab 应用程序中的神经网络拟合工具的最佳神经元数量。
我目前使用 64 个元素的 62000 个样本作为输入，1 个元素的 62000 个样本作为目标。我试图获得与通过其他方式获得的数据类似的结果，但在尝试 运行 具有 1-12 个神经元的工具时，结果甚至都不相似。我用 64 个神经元尝试了 运行ning 它，结果更接近预期。
有没有什么方法可以根据 elements/samples 的数量知道使用多少个神经元？
关于如何在 运行 测试时 select 神经元数量有什么建议吗？
谢谢。
即使是像 MNIST 这样的简单数据集，我也至少会使用 128 个神经元。可能要检查的值是 128、256、512，也许还有 1024。这些数字很容易记住，并不神奇，也不是已知公式的结果。或者，从 [100, 500] 中选择一些随机样本，看看哪个神经元数量效果最好。更难的任务往往需要更多的神经元，当你有很多神经元时，你需要考虑使用 L_2 正则化或 dropout 来正则化你的网络。
我正在尝试找到用于 运行 神经网络 Matlab 应用程序中的神经网络拟合工具的最佳神经元数量。
我目前使用 64 个元素的 62000 个样本作为输入，1 个元素的 62000 个样本作为目标。我试图获得与通过其他方式获得的数据类似的结果，但在尝试 运行 具有 1-12 个神经元的工具时，结果甚至都不相似。我用 64 个神经元尝试了 运行ning 它，结果更接近预期。
有没有什么方法可以根据 elements/samples 的数量知道使用多少个神经元？
关于如何在 运行 测试时 select 神经元数量有什么建议吗？
谢谢。
即使是像 MNIST 这样的简单数据集，我也至少会使用 128 个神经元。可能要检查的值是 128、256、512，也许还有 1024。这些数字很容易记住，并不神奇，也不是已知公式的结果。或者，从 [100, 500] 中选择一些随机样本，看看哪个神经元数量效果最好。更难的任务往往需要更多的神经元，当你有很多神经元时，你需要考虑使用 L_2 正则化或 dropout 来正则化你的网络。