神经网络 Matlab 中的字符串输入
String input in Neural Network Matlab
我正在尝试使用 Matlab 中的神经网络来预测所生产的批次是否会通过某些测试。为此，我有输入变量（温度、使用的着色剂千克数、material 等）和输出，一个告诉我效果如何的数值。首先，我想训练网络，然后用它来预测新批次的结果。
当我需要输入批次的 material、颜色等时，问题就出现了，因为它们是字符串，它们必须保持原样，换句话说，它们是组而不是连续值。
我读到可以将单词更改为它们的数字表示，但它会根据数字的接近程度给出一个顺序，这并不代表单词在现实生活中的相关程度。例如，用棉花制成的批次比用丝绸制成的批次好，我想在神经网络中进行观察。
是否可以让字符串一个字符串，或者让组分开？
首先要注意的是，在这种情况下，您不应该将组映射到连续数字，即不是（1=丝绸，2=棉花等）。这里选择的方法是一个热包特征，（即 1 0 0 - 丝绸，0 1 0 - 棉花 0 0 1 - 一些其他 material） - 所以你有一个二元特征对于每个可能的值material。这样，输入就不会暗示组值之间存在某种任意联系。
你也可以尝试，在这样做之后，在每组输入的顶部放置一个额外的隐藏层，同时从这一层断开其他特征的输入。如果您有足够的训练示例，此类中间隐藏层可以学习更好的表示，其中相似的组成员彼此接近。这在引入反向传播本身的 now classical work 中得到了证明。这可能会或可能不会比完全连接的网络更好，具体取决于您的数据和任务细节。
以类似的方式，可以学习向量 space 中单词的数字表示，因此语义相似的单词被映射到彼此接近的向量（通过欧几里得或其他度量），但这对您的情况不太可能有帮助，因为一般语义相似性并不反映测试批次的统一性，但对其他任务可能有用。
终于有一种方法可以将字符串输入到 NN 中（这对你的情况也没有用，但既然你问的是字符串，我为了完整性而提到它）。这是通过使用单热表示（如上所述）对字符进行编码来完成的，主要用于文本处理任务。
我正在尝试使用 Matlab 中的神经网络来预测所生产的批次是否会通过某些测试。为此，我有输入变量（温度、使用的着色剂千克数、material 等）和输出，一个告诉我效果如何的数值。首先，我想训练网络，然后用它来预测新批次的结果。
当我需要输入批次的 material、颜色等时，问题就出现了，因为它们是字符串，它们必须保持原样，换句话说，它们是组而不是连续值。 我读到可以将单词更改为它们的数字表示，但它会根据数字的接近程度给出一个顺序，这并不代表单词在现实生活中的相关程度。例如，用棉花制成的批次比用丝绸制成的批次好，我想在神经网络中进行观察。
是否可以让字符串一个字符串，或者让组分开？
首先要注意的是，在这种情况下，您不应该将组映射到连续数字，即不是（1=丝绸，2=棉花等）。这里选择的方法是一个热包特征，（即 1 0 0 - 丝绸，0 1 0 - 棉花 0 0 1 - 一些其他 material） - 所以你有一个二元特征对于每个可能的值material。这样，输入就不会暗示组值之间存在某种任意联系。
你也可以尝试，在这样做之后，在每组输入的顶部放置一个额外的隐藏层，同时从这一层断开其他特征的输入。如果您有足够的训练示例，此类中间隐藏层可以学习更好的表示，其中相似的组成员彼此接近。这在引入反向传播本身的 now classical work 中得到了证明。这可能会或可能不会比完全连接的网络更好，具体取决于您的数据和任务细节。
以类似的方式，可以学习向量 space 中单词的数字表示，因此语义相似的单词被映射到彼此接近的向量（通过欧几里得或其他度量），但这对您的情况不太可能有帮助，因为一般语义相似性并不反映测试批次的统一性，但对其他任务可能有用。
终于有一种方法可以将字符串输入到 NN 中（这对你的情况也没有用，但既然你问的是字符串，我为了完整性而提到它）。这是通过使用单热表示（如上所述）对字符进行编码来完成的，主要用于文本处理任务。