可以使用十多个输入与单层神经网络分成两类
can use more than ten inputs with a single layer neural network to separate into two categories
我有一个包含 12 个类别的模式数据。我想将这些数据分为两类。那么谁能告诉我是否可以使用带有偏置项的 12 个输入值的单层神经网络？我还用 matlab 实现了它，但我对最佳初始权重值（范围）和可能的学习率应该是多少有疑问？你能指导我处理这些案例吗？
单层够吗？
单个隐藏层是否足以正确标记输入数据取决于数据的复杂性。您应该根据经验尝试不同的拓扑结构（层和神经元数量的组合），直到找到适合您的设置。
最佳体重范围是多少？
建议的权重范围取决于您打算使用的激活函数。对于sigmoid函数，范围是以0为中心的一个小区间，eg：[-0.1, 0.1]
理想的学习率是多少？
学习率通常设置为较小的值，例如 0.03，但如果您的网络很容易学习数据，您通常可以大幅提高学习率，例如：0.3。查看有关学习率如何影响学习过程的讨论：
边注
您应该在 Web 上搜索一些指示和提示，而不是 post 在 Whosebug 上搜索更多要点问题。
看一下这个：
我有一个包含 12 个类别的模式数据。我想将这些数据分为两类。那么谁能告诉我是否可以使用带有偏置项的 12 个输入值的单层神经网络？我还用 matlab 实现了它，但我对最佳初始权重值（范围）和可能的学习率应该是多少有疑问？你能指导我处理这些案例吗？
单层够吗？
单个隐藏层是否足以正确标记输入数据取决于数据的复杂性。您应该根据经验尝试不同的拓扑结构（层和神经元数量的组合），直到找到适合您的设置。
最佳体重范围是多少？
建议的权重范围取决于您打算使用的激活函数。对于sigmoid函数，范围是以0为中心的一个小区间，eg：[-0.1, 0.1]
理想的学习率是多少？
学习率通常设置为较小的值，例如 0.03，但如果您的网络很容易学习数据，您通常可以大幅提高学习率，例如：0.3。查看有关学习率如何影响学习过程的讨论：
边注
您应该在 Web 上搜索一些指示和提示，而不是 post 在 Whosebug 上搜索更多要点问题。
看一下这个：