假设我们要估计一个连续函数基于使用 NN 的样本（大约 1000 个示例）。这个函数是无界的。你会选择哪种架构？多少层/神经元？哪些激活函数？哪个损失函数？
直观地说，我会选择一个隐藏层，两个神经元，损失，也许是输出的 Bent 标识和隐藏层中的 sigmoid？
做一些比这更“花哨”的事情有什么好处？
您是否还会选择使用 NN 来完成这项工作，或者您是否会考虑使用回归 SVM 或其他东西（知道精度是目标）？
您会选择哪个 NN 来估计连续函数F：R2→ Rf:R2→R?
人工智能
神经网络
目标函数
激活函数
回归
2021-11-02 10:10:22
1个回答
这取决于您的问题的复杂性。看起来很简单，但我可以给你一些需要深度网络的废话复杂的例子。因此，问题的复杂性决定了层数和神经元的数量。问题的类型将决定您的网络架构（是否需要内存）。在大多数情况下，均方误差是可以的。但是，对于激活函数，我会选择 ReLU。
如果 SVM 足以解决您的问题，请继续使用它。您的问题是一般性的，准确的答案需要有关该问题的更多信息。
其它你可能感兴趣的问题