用于实际回归的神经网络

基于多层感知器,我已经实现了一个神经网络来解决与音频回归(真实回归)相关的问题 . 阅读文档,科学论文,并通过互联网的一些其他实现中,我得出的结论是,多层感知器是不够的,我解决我的问题,因为它工作得很好,如果输出是二进制的,但我需要真正的输出,如果输出在范围(0,1)内,则独立 .

问题是网络没有正确训练,因为当我连续呈现相同的例子时,它会在激活函数的梯度方向上正确调整权重,但是当训练随机挑选训练样例时,效果不佳 .

我曾想过在训练集的每个EPOCH之后使用遗传算法来调整权重,以引导网络的一些重量调整 .

任何人都可以指导我一点吗?我还考虑过使用另一种网络结构作为Adaline,或者即使它变得丑陋,尝试实现支持向量机(我不喜欢xD)

非常感谢你提前

回答(1)

2 years ago

无论培训类型如何,使用您提到的良好功能(与音频的复杂性相比)都无法让您获得所需的功能 .
让我们从头开始 - 你试图捕捉音频的哪些特征/特征?你的样品等多长时间?