您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

一个神经网络如何由输出反求输入呢？

神经网络,权重,反函数一个神经网络如何由输出反求输入呢？

发布时间：2016-12-08加入收藏来源：互联网点击：

问题补充： 类似群优化这类解法的作用

回答于 2019-09-11 08:43:50

回答于 2019-09-11 08:43:50

啊..小的不才，理解不了你的问题。

既然你都问到神经网络，又提到群优化了，那想必也知道神经网络是一种监督学习算法，意味着我们需要向它提供包含自变量的输入数据和包含因变量的输出数据。

而神经网络会根据初始超参进行预测，并计算出预测值与实际值之间的差。我们的目标是使这个差要最小化。所以，训练神经网络基本上就是要找到这个最小化差（我就不用成本函数这个词了）。

那么问题来了，神经网络是怎么做预测的？通俗简单的说，就是将输入节点中的值与其对应的权重相乘并相加。最后，将偏差项添加到总和中并传递激活函数做输出。那怎么找这个最小化差？简单通俗的说就是一遍又一遍的循环着做减法（预测值-实际值）直到这个差最小（此处不说过拟合)。咱们把1.2合起来叫做向前传播吧。那既然有向前传播了，意思是说还有向后传播喽？对头（呀~你问的不会就是向后传播吧？）。那向后传播是干什么的？就是神经网络通过最小化差的比较，不断的微调权重和偏差。怎么微调？就是把计算出来的权重和学习率相乘。怎么向前传播？就是把微调的结果丢给前面的1中去更新上一轮中的权重后再来一遍，这个后面输出的权重再抛回前面做输入的过程就叫向后传播）如此，不断的循环到你设定的迭代总次数为止。直到预测输出变得更接近实际输出，这整个过程基本上就叫“训练神经网络”了。

回答于 2019-09-11 08:43:50

神经网络其实就是一个高阶的数学模型，y=f(x)，你现在需要反函数x=g(y)，这没有办法直接推导出来，因为根据

反函数存在定理: 严格单调的函数必定存在严格单调的反函数，并且二者单调性相同。

神经网络不满足这个定理，输入输出并非严格单调的。举个例子

输入: (白人，黑人，小黄人)

输出: 人

请问你能根据输出判断输入是什么人吗？