在 Matlab 中使用前馈网络进行分类会产生奇怪的结果？
Classification with feed forward network in Matlab strange results?
我在 Matlab 中使用前馈网络进行了一些分类测试 运行。使用标准 tansig 函数，当在隐藏层上使用更多神经元时，结果会更好。
但是，当我切换到 pure lin 时，我惊讶地发现当我在隐藏层上设置较少数量的神经元时，结果会更好。
你能帮我解释一下这种情况吗？
tansig 激活函数本质上使神经元由于饱和而变得不活跃成为可能。线性神经元始终处于活动状态。因此，如果一个线性神经元的参数不好，它总是会影响分类的结果。在这种情况下，更多数量的神经元会产生更高的不良行为概率。
我在 Matlab 中使用前馈网络进行了一些分类测试 运行。使用标准 tansig 函数，当在隐藏层上使用更多神经元时，结果会更好。
但是，当我切换到 pure lin 时，我惊讶地发现当我在隐藏层上设置较少数量的神经元时，结果会更好。
你能帮我解释一下这种情况吗？
tansig 激活函数本质上使神经元由于饱和而变得不活跃成为可能。线性神经元始终处于活动状态。因此，如果一个线性神经元的参数不好，它总是会影响分类的结果。在这种情况下，更多数量的神经元会产生更高的不良行为概率。