Как должен быть структурирован правильный скрытый слой NN, который имеет 1 вход (матрица N * N) и 2 выхода?

Question

как у нас есть массив матриц N * N и x1 x2 выходов для них. мы хотим получить обучаемую сеть, которая бы давала х1 и х2 близкие к нашим данным. как должна выглядеть его скрытая структура слоя? Я хотел бы, если бы он не превратил x1 в x2 и x2 в x1. Поэтому я хочу построить обучаемую сеть, которая принимает матрицу NxN в качестве входных данных и выдает два числа, x1 и x2, в качестве выходных.

Answer 1

Структура ваших скрытых слоев не так важна, как количество нейронов, которые они содержат.

Как правило, вы можете использовать полностью подключенную сеть с 1 или 2 скрытыми слоями.1 скрытый слой будет работать для большинства задач, но 2 скрытых слоя гарантируют, что ваш NN может приблизиться к любой возможной функции.Нет теоретической причины использовать более 2 скрытых слоев.

Количество нейронов в скрытых слоях будет определять, насколько точным будет NN.Чем больше у вас нейронов, тем лучше вы приблизитесь к функции.НО больше нейронов подразумевает больше переменных в вашем NN, поэтому вам понадобится больший тренировочный набор.У вас также будет больше шансов переопределить данные тренировок: во избежание этого используйте отдельные наборы тренировок и тестов, чтобы отслеживать, когда происходит перебор.,Чем больше, тем лучше, чем больше нейронов вы можете иметь, тем точнее будет ваш NN.Чтобы экспериментально определить, сколько нейронов вы должны использовать, вы можете попробовать разные числа и использовать перекрестную проверку для оценки полученного NN.