Регрессия нескольких целей с ограниченным выходом в Keras

Im пытается использовать Keras для решения следующих OpenAi gym environment. Он использует ~360 neurons для ввода, а затем использует 17 real number outputs с range [-0.4, 0.4]. Все примеры, которые я нашел в Интернете, используют гораздо более простые уровни вывода с одной целью и без ограничений.Регрессия нескольких целей с ограниченным выходом в Keras

Мои вопросы:

Я нужны специальные функции Do, так как выходы ограничены?
Есть ли какой-нибудь пример того, как построить такой выходной слой с Keras?

источник

2017-02-01 user3139545

Я бы использовал среднюю квадратичную ошибку для такой задачи.

Однако вы можете определить свой собственный показатель, который будет оптимизирован против. Примерное определение можно найти здесь :: (https://github.com/EdwardTyantov/ultrasound-nerve-segmentation/blob/master/metric.py).

источник

2017-02-01 12:05:18

Это не справлялось бы с границами? – user3139545

Вы хотите функцию вывода, которая выводит только от -0,4 до 0,4? –

Вы можете сделать сигмоид и добавить свертку 1x1, которая использует 0,8 в качестве веса и -0,4 как предвзятость и не тренируется. Чем ваш классификатор о тех конкретных значениях. Однако, если вы используете линейный вывод и среднеквадратичную ошибку, вы всегда получаете выходы этого диапазона, и если вы действительно не хотите, чтобы какие-либо значения были выше, вы можете просто зажать их впоследствии. –

Регрессия нескольких целей с ограниченным выходом в Keras

ответ

Смежные вопросы