1、研究人工神经网络的权值分布有什么意义
神经网络一般都是非常庞大的,每个边对应一个权值,如果权值不共享的话,数据量就更大了,但是为了提高效率,引入了权值共享,但是还不够,想再次提高效率和精确度,进行主成分分析,把一些重要的权重保留,不重要的舍弃,你这个权值分布就很有意义了,比如权重是5的权值在概率上占到了百分之95,或者说主成分分析的结果前2类权重就占据了百分之80,那么剩下的权值就可以省略,当然这都是理论上的
2、神经网络为什么深度越深,准确率越高
因为深度神经网络的参数特别多(可以达到上亿,目前已经可以支持到万亿参数)神经网络精确度意义。
参数多,表示模型的搜索空间就越大,必须有足够的数据才能更好地刻画出模型在空间上的分布
3、神经网络怎么定义预测的精度?
回归问题一般均方误差损失函数得到的函数值即为精度
分类问题的话一种可以用交叉熵损失函数的函数值作为精度,另外也可以用分类的准确性作为精度值
4、神经网络的每一层网络有什么实际的意义吗
一般地,C层为特征提取层,每个神经元的输入与前一层的局部感受野相连,并提取该局部的特征,一旦该局部特征被提取后,它与其他特征间的位置关系也随之确定下来;