我正在尝试创建一个用于计算/分类任何公式的ANN。
我最初试图复制斐波那契序列。I使用输入：
- [1，2]输出[3]
- [2,3]输出[5]
- [3,5]输出[8]
- 等等
我试图克服的问题是，如何规范可能是无限的或指数级的数据？然后，我试图创建一个ANN来计算斜率截距公式y=mx+b（2x+2），输入
- [1] 输出[4]
- [2] 输出[6]
- 等等
同样，我不知道如何规范数据。如果我只对训练数据进行归一化，那么网络如何能够使用归一化所用之外的输入进行计算或分类？
那么，是否可以创建一个ANN来计算/分类公式（（a+2b+c^2+3d-5e）模2），其中公式是未知的，但给出了输入（一些）a、b、c、d和e以及输出？本质上分类计算输出是奇数还是偶数，输入在-+无穷大之间。。。
好吧，我想我明白你现在想做什么了。基本上，你将有一组表示函数系数的输入。您希望ANN告诉您，具有这些系数的函数将产生偶数输出还是奇数输出。如果这是错误的，请告诉我。这里有几个潜在的问题：
首先，虽然使用神经网络进行加法是可能的，但它通常不是很有效。您还需要以一种非常具体的方式设置ANN，要么使用与通常使用的不同的节点类型，要么设置复杂的递归拓扑。这将解释你在斐波那契序列和线性方程方面缺乏成功的原因。
但还有一个更根本的问题。你可能听说过Ann是一般函数逼近器。然而，在这种情况下，神经网络正在学习的函数将不是你的公式。当你有一个ANN，它正在学习输出0或1来响应一组输入时，它实际上是在尝试学习一条线（或一组线，或超平面，取决于拓扑结构）的函数，该函数将输出应该为0的所有输入与输出应该为1的所有输入分离。（如需更全面的解释，请参阅此问题的答案，并附图片）。因此，问题是，是否存在一个超平面，它将导致偶数输出的系数与导致奇数输出的系数分离开来。
我倾向于说这个问题的答案是否定的。例如，如果你在你的例子中考虑a系数，你会发现每次你把它增加或减少1，正确的输出就会切换。c、d和e项也是如此。这意味着没有大量相对相似的输入都返回相同的输出。
为什么你需要知道一个未知函数的输出是偶数还是奇数？可能还有其他更合适的技术。