我由1输出NN训练的4个输入1个月,然后在同一NN被升级了由1 O.成为5 I I应当重复与新配置的训练或我仍然可以使用旧训练?更新神经网络输入
Q
更新神经网络输入
0
A
回答
1
如果剩余的4个输入仍然代表同样的事情,你不必从头开始。相反,在输入图层中添加新的神经元,并在其与隐藏单元之间添加边缘。初始化它们作为一般,但留下其余的权重。换句话说 - 您正在使用以前的网络作为优化的起点。它应该收敛的方式更快,一般会更好,如果你不访问历史数据了(或者你没有时间重新培训的一切)。
2
你几乎肯定需要重复训练,除非你能养活你五输入NN到您的受过训练的4输入NN,在这种情况下,你也许可以用更少的逃脱。这取决于新变量代表的究竟是什么。
相关问题
- 1. 神经网络的输入
- 2. 神经网络的输入/输出
- 3. 神经网络的信号输入
- 4. 神经网络的标称值输入
- 5. 神经网络输入形状错误
- 6. 神经网络非线性输入
- 7. 神经网络输入顺序
- 8. 神经网络的顺序输入
- 9. 神经网络的加权输入
- 10. 神经网络中的二维输入
- 11. Simulink神经网络数据输入
- 12. 非标准输入的神经网络
- 13. 神经网络输出
- 14. 2输出神经网络?
- 15. 多输出神经网络
- 16. 神经网络入门(ANN)?
- 17. 神经网络
- 18. 神经网络
- 19. 神经网络的输入层(应输入到所有神经元?)
- 20. 为神经网络(回归)重新标定输入特征
- 21. 输入数据集如何输入神经网络?
- 22. 以输入神经网络矩阵数据为输入
- 23. 神经网络[ocr]
- 24. 神经网络,python
- 25. MATLAB神经网络
- 26. 神经网络backpropogation
- 27. 神经网络:“InverseLayer”
- 28. 的神经网络
- 29. SOM - 神经网络
- 30. sigmoid神经网络