用于优化的多层感知器

Question

在神经网络中，对于给定的输入输出值训练对，调整权重使得均方误差最小化。但是我没有训练数据。我有一个成本函数，它取决于一个函数，我想用神经网络来计算这个函数。我有一个大小为5X1的特征向量。当我将该向量作为NN的输入时，我得到一个分数（NN的输出）。可以说我有1000个这样的特征向量。对于这些输入中的每一个，我都会得到一个输出。使用所有这些得分我计算一些成本函数。现在我的任务是最大化该成本函数。因此，在第一次迭代中，我将获得该成本函数的一些值。现在，我想调整权重，以便使成本最大化。我怎样才能做到这一点？？？

我正在研究信息检索，我刚才提到的成本函数是平均平均精度（MAP）。我有来自不同运行的几十个文件，我想结合所有的运行，使MAP值最大。特征向量具有每次运行中文档的等级，分数等。

Answer 1

神经网络是解决一般变分问题的一种方法。在这些问题中，目标是找到一种优化一些成本功能的功能。

为了调整神经网络的偏差和权重，您需要计算特定成本函数关于该参数的偏导数，然后应用任何训练策略。

开放神经网络库OpenNN（http://www.intelnics.com/opennn）实现了不在数据集上测量的不同成本函数。