Ash*_*man 3 matlab artificial-intelligence neural-network
我的神经网络（3 层）的输出层使用 sigmoid 作为激活，仅在 [0-1] 范围内输出。但是，如果我想训练它的输出超出 [0-1]（例如数千），我该怎么办？
例如如果我想训练
输入---->输出
0 0 ------> 0
0 1 ------> 1000
1000 1 ----> 1
1 1 -------> 0
我的程序适用于 AND、OR、XOR 等。因为输入输出都是二进制的。
有一些建议可以使用，
激活：
y = lambda*(abs(x) 1/(1+exp(-1 (x))))
激活的导数：
lambda*(abs(y) y (1-y))
对于提到的训练模式，这并没有收敛（如果我没有做错任何事情）。请问有什么建议吗？
对于分类问题，习惯上在输出层使用sigmoid/logistic激活函数来获得[0,1]范围内的适当概率值；结合用于多类分类的 1-of-N 编码，每个节点输出将表示属于每个类值的实例的概率。
另一方面，如果您遇到回归问题，则无需对输出应用附加函数，只需获取原始线性组合输出即可。网络将自动学习权重以给出您拥有的任何输出值（即使是数千个）。
您还应该注意的是缩放输入特征（例如，将所有特征标准化到范围 [-1,1]）。