的奇偶校验功能是从n比特和输出1的载体的功能,如果总和为奇数,否则为0.这可以被视为分类任务,其中n输入是特征.
有没有机器学习算法可以学习这个功能？显然随机决策森林不会成功,因为任何严格的特征子集都没有预测能力.此外,我相信没有固定深度的神经网络会成功,因为计算奇偶校验功能不在复杂度类AC0中.
machine-learning
我只是想测试神经网络近似乘法函数（回归任务）的效果如何。我正在使用 Azure 机器学习工作室。我有 6500 个样本，1 个隐藏层（每个隐藏层我测试了 5 /30 /100 个神经元），没有标准化。默认参数 学习率 - 0.005，学习迭代次数 - 200，初始学习权重 - 0.1，动量 - 0 [描述]。我的准确度非常差，接近 0。 同时，增强决策森林回归显示出非常好的近似值。
我究竟做错了什么？这个任务对于 NN 来说应该很容易。
neural-network deep-learning azure-machine-learning-service
azure-machine-learning-service ×1
deep-learning ×1
machine-learning ×1
neural-network ×1