1樓：
1. 神經網路的輸入：隨機生成的資料。每次生成的資料量需要是一樣的，假設每個樣本有K個資料。
2. 神經網路的輸出：從幾十根天線裡選擇的幾根天線。
假設總共有m根天線，某乙個樣本是要選擇其中的1，3，7根天線的話，我們就可以用乙個m個元素的向量來表示，其中第1，3，7個元素的值是1，其他的元素值都是0.
3. 單個訓練樣本的形式：輸入是K個元素的向量，輸出是m個元素的向量。
4. 收集資料：假設收集n次。那麼我們就有對應的n x K的矩陣作為輸入，n x m的矩陣作為目標輸出。
5. 在4中的部分資料可以用來訓練集，另外的部分用來做測試集。至於訓練的方法，只要資料準備好了，matlab裡面有neural network toolbox，直接把資料放進去，然後就可以訓練神經網路。
至於神經網路需要多少層以及每層有多少個神經元，還有一些其他的引數就需要自己去調了，通過在測試集上的表現來判斷哪一種引數設定是最好的。
6. 通過1-5之後，訓練好的神經網路就可以拿來判斷對於一組隨機生成的資料，需要選擇哪幾根天線了。
用神經網路分類乙個多類別的資料，請問怎麼實現輸出每種類別的精確率呢？
蔣承越 二分類問題我們可以算精確率 precision 因為我們會明確選擇乙個為正例，另乙個為負例。多分類的話通常我們就沒有這種明顯的正負例關係了，一般就用accuracy，或者看一下confusion matrix. 精確度如果是指accuracy，對每一類並不是乙個好的metric。TP Tru...
卷積神經網路和BP神經網路的關係？
乙個維度的BP神經網路就相當於CNN中的全連線了，無非是多幾個全連線，CNN是二維，二維如果搞成全連線就導致運算量巨大，所以有了權重共享，大大減少了運算量，CNN卷積的思想肯定也源於BP神經網路就，在影象上做二維卷積的CNN發出炫目的光芒下，BP神經網路就已經快被人們遺忘了，但是不管CNN再怎麼發展...
卷積神經網路（CNN）和迴圈神經網路 RNN 有什麼區別？
不存在的1990 從字面區分 cnn 裡面的 c指 convolutional operation，是一種提取影象特徵方法。把這一operation加入到layer裡面構成了convolutional layer。rnn裡的r 指recurrent，中文是重複的意思。rnn構造的結構也是recurr...