Как обрабатывать негативные входные данные в сетях глубокого убеждения

Question

Как обрабатывать негативные входные данные в сетях глубокого убеждения

В моих данных у меня есть столбец с отрицательными и положительными значениями. Здесь отрицательное значение означает, что некоторые вещи отсутствуют, а положительные значения означают неожиданные дополнительные вещи, а 0 означает нейтральное, что всегда является ожидаемым значением. Итак, как я могу использовать этот столбец данных в качестве входных данных для сетей глубокого убеждения. Могу ли я ввести отрицательные числа в качестве входных данных в сетях глубокого убеждения?

0

deep-learning neural-network rbm dbn

Источник

user3128796 02 апр '17 в 15:08

1 ответ

Решение

Другие вопросы по тегам deep-learning neural-network rbm dbn

user2061989 04 апр '17 в 09:14 2017-04-04 09:14 · Accepted Answer · 2017-04-04 09:14

Я думаю, что вы можете рассмотреть две вещи. Во-первых, не должно быть основной проблемы при вводе отрицательных значений - есть ли конкретная причина, по которой вы задаетесь этим вопросом?

Что еще более важно, если вы хотите, вы можете предварительно обработать ваш набор данных или сделать это во время ввода. Есть много функций активации, которые вы можете использовать, которые приводят к абсолютным значениям, как что-то такое же простое, как сигмовидная функция. Нет ничего плохого в активации входных значений, на самом деле это рекомендуется.