私はフィードフォワード、勾配降下逆伝播ニューラルネットワークを使用しています。いつ線形ニューラルネットワークを使うべきですか？
現在、私はtanhがアクティブ化機能である非線形ネットワークでしか作業していません。
私は不思議でした。 非線形活性化関数を持つニューラルネットワークにはどのようなタスクを与えますか？線形にはどのようなタスクがありますか？
私は線形の問題を解くために線形活性化関数を持つネットワークが使われていることを知っています。 線形問題は何ですか？ 例はありますか？
ありがとうございます！
線形関数の構成は線形アクティベーションを使用するニューラルネットワークを使用して線形回帰を複雑にするため、線形関数の構図は依然として線形であるため決して決して言いません。
リニアモデルを選択するか、より複雑なものを選択するかは、あなた次第であり、使用するデータによって異なります。これはトレーニング中にいくつかのデータを保持し、モデルを検証するためにそれを使用するのが通例である理由の1つです（理由の1つ）。モデルをテストする他の方法は、残差分析、仮説検定などです。
私はパターン認識のためにニューラルネットワークを使用しています。 問題はパターンがあり、パターンが発生する可能性があるというヒントがあることです。たとえば、1つの入力が週の日（月曜日など）、他の1つが年の月（1月など...）パターが隠れているかもしれないデータそのもののための9つのインプットであり、それはそれがニューラルネットワークを認識のために訓練したその特定のパターンである確率を教えている。 –
確率は、少なくとも出力レイヤー（1つのニューロンしか持たない）でシグモイドアクティベーションを使用する必要があるためです。パターンが時間に依存する場合は、おそらくLSTMネットワークに切り替えるか、フィードフォワードネットワークへの入力として少なくとも複数の「スナップショット」（現在と過去数ヶ月）を提供する必要があります – BlackBear
線形ニューロン活性化関数についてお話ししていますか？ – BlackBear
はい、私はポストを更新します。 申し訳ありませんが、私はむしろこれに新しいですし、物事を正しく名前を付ける方法があまりよく分かりません。 –
あなたはこれらの2つを試しましたか：1.クロスバリデーション2.クロスバリデーションの質問を投稿しますか？ –