主页 / 问题 / 1139184
Accepted
user314502
Asked:2020-06-10 19:38:43 +0000 UTC2020-06-10 19:38:43 +0000 UTC

ANN 错误地构建正弦曲线

  • 772

我最近开始研究 ANN，并决定制作一个简单的 ANN，它能够预测某个弧度的正弦值。准备好的数据：

args_len = 200
input = np.random.uniform(0,2*np.pi, args_len).reshape(-1,1)
output = np.sin(input).reshape(-1,1)#np.random.uniform(-1,1,args_len).reshape(-1,1)
data =  np.hstack((input, output) )

input_train_data, input_test_data, output_train_data, output_test_data = train_test_split(data[:,0], data[:,1], test_size=0.3)
input_train_data = input_train_data.reshape(-1,1)
input_test_data = input_test_data.reshape(-1,1)
output_test_data = output_test_data.reshape(-1,1)
output_train_data = output_train_data.reshape(-1,1)

fig = px.scatter(x=data[:,0], y=data[:,1], title="y=sin(rad)")
fig.show()

在此处输入图像描述

我在 keras 上构建了一个人工神经网络并进行了训练：

model = keras.Sequential()
model.add( Dense(units=1, activation="sigmoid", input_shape=(1,)) )
model.add( Dense(units=1, activation="sigmoid") )
model.add( Dense(units=1, activation="sigmoid") )

model.compile(loss="mean_squared_error", optimizer="Adamax")
model.fit(input_train_data, output_train_data, epochs=1500, batch_size=20)
result = model.evaluate(input_test_data, output_test_data,verbose=2)
result = model.evaluate(input_test_data, output_test_data, verbose=1)
print(result)
>>0.34740047256151835

然后我尝试预测测试数据：

predict_input = input_test_data
predict_output = model.predict(predict_input)
fig = px.scatter(x = predict_input.reshape(1,-1)[0], y = predict_output.reshape(1,-1)[0], title="y=sin(rad)")
fig.show()

在此处输入图像描述 如您所见，它根本不是一个正弦曲线，而是一个 sigmoid。这是为什么？也许我不明白什么？

машинное-обучение

1 个回答

  1. Best Answer

    一般来说，我们需要更多的层维度和输出的线性激活：

    n = 50
model = keras.Sequential()
model.add(keras.layers.Dense(units=n, activation="relu", input_shape=(1,)) )
model.add(keras.layers.Dense(units=n, activation="relu", input_shape=(n,)) )
model.add(keras.layers.Dense(units=1, activation="linear", input_shape=(n,)) )

model.compile(loss='mse', optimizer='adam', metrics=['mae'])
model.fit(input_train_data, output_train_data, epochs=500, batch_size=32, verbose=0)
result = model.evaluate(input_test_data, output_test_data,verbose=2)
print(result)

[0.00045047128029788536, 0.014124496839940548]

    在此处输入图像描述

    • 2

相关问题