1樓：雨落晨曦
Hum.....是這樣的。
要猜出函式乙個比較常用的方式是非引數估計，比如核密度演算法等等『猜』出乙個足夠接近原函式的函式。
至於你說的神經網路，由於神經網路『一致收斂性』也就是可以在二階擬合任意二維函式的性質，可以擬合函式數值，然後用SVD等等降維方法降維到一定的特徵閾值，此時的神經網路與原函式性質基本一樣，也就是『猜』出來。
但是它並不是函式本身，因為神經網路的啟用函式並不是自適應的，所以只能用來作為數值模擬而不是猜出函式。
2樓：蓮花生
沒理解問題。
理科生的思維，我肯定會先問猜什麼函式，為什麼猜這個函式？
如果這個函式是loss 損失函式，那是這個網路訓練過程中逐漸迭代趨於最優的結果，那麼猜出這個函式我猜的話就是實際值和訓練值趨於0，如果這也算猜的話。
最後真的很想問樓主，為什麼要猜這個函式？？？
3樓：YeBobr
我理解的你的問題是有大量的資料樣本，如何能夠讓你設定的網路快速收斂？
你所說的『』這個函式『』應該和你的網路結構有關係的，一旦你確定了網路結構，你的的問題就變成了如何能夠讓該網路快速收斂？
我們可以使用Batch Normalization、歸一化、白化來加速網路的收斂。
神經網路中的SIGMOID函式的意義？
胡免 根據最大熵模型得來。具體推導可以看 統計學習方法 83 85頁。參考 https blog.csdn.net zynash2 article details 79261039 張揚 舉個例子 有個唱歌比賽，評委們有些是歌手的親戚，有些是歌手的仇人。遇到親人，狂打高分 遇到仇人，狂打低分。咋辦？...
神經網路中的能量函式是如何定義的？
雖說這模型有從物理跟生物的啟發,但往這方向說到底,也只是提到跟某公式很像罷了,還是不知道如此定義的原因及作用 知識點 資訊理論,線性內積空間 機率及能量 同時是訊息量 函式定義成那樣的原因是,如此才能使得所有狀態的訊息量都嵌進乙個線性內積空間裡,因為線性實在是太好用,即便最困難的非線性狀態變換,在新...
神經網路如何入門？
老王 可以從簡單的人工神經網路開始學習，例如 1 多層感知機 多層感知機是最簡單的人工神經網路，包括輸入層 中間層和輸出層。多層感知機 2 卷積神經網路 卷積神經網路在全連線層之後，還包含卷積層 池化層。卷積神經網路 3 殘差收縮網路 面向強噪 高冗餘資料，殘差收縮網路使用了自適應軟閾值化，來減輕雜...