神经网络研究,计算机是否能推理?

红太狼 2022-07-26 05:06 193阅读 0赞

研究神经网络都会发现其挺amazing的.如图像识别,只需要告诉计算机这张图是什么,然后就能识别,就像计算机有了自己的意识一样.

那么神经网络能否实现推理呢?比如,有5个数字,期望的结果是其中的最大值 减 最小值. 经过实践,发现训练样本直接测试,匹配度很高,但是也不够精确,而测试数据匹配度更不行,这是过拟合了吗?或者这样的情况根本满足不了曲线拟合?

上面这种情况,人通过分析应该是很容易发现规律,然后100%的正确.而计算机只是计算出大概的数字.因此计算机还不能推理.期待更nb的算法,让计算机实现推理~.~附加测试代码

clear;
    %两个特征,第一个>第二个输出1,相等为0,否则=-1
    % x=randi(10,100,2);
    % T=zeros(100,1);
    % T(find(x(:,1)-x(:,2)>0))=1;
    % T(find(x(:,1)-x(:,2)<0))=-1;
    %两个特征,有一个>70的就为1
    % x=randi(100,100,2);
    % T=zeros(100,1);
    % T(find(x(:,1)>70|x(:,2)>70))=1;
    %1个特征,10~99之间,输出为数字拆开
    % x=randi([0,99],100,1);
    % T=zeros(100,2);
    % T(:,1)=(x-mod(x,10))/10;
    % T(:,2)=mod(x,10);
    %2个特征,1是有效2是干扰,输出=1
    % x=randi([0,100],100,2);
    % T=x(:,1);
    %5个特征,结果是其中的最大-最小
    % x=randi(100,1000,5);
    % T=max(x,[],2)-min(x,[],2);
    %TS=randi(100,1000,5);
    %TSRS=max(TS,[],2)-min(TS,[],2);
    %5个特征,结果是最大值的index
    x=randi(500,20000,5);
    TS=randi(500,1000,5);
    
    [nnnn,T]=max(x,[],2);
    [nnnn,TSRS]=max(TS,[],2);
    pmax = max(x);
    pmax1 = max(pmax);
    pmin = min(x);
    pmin1 = min(pmin);
    TS=(TS-pmin1)/(pmax1-pmin1);
        P1=(x-pmin1)/(pmax1-pmin1);
        T1=(T-pmin1)/(pmax1-pmin1);
    
    net = newff(P1',T1',[100],{'logsig'});
    
        net.trainParam.epochs = 150000;
        
        net.trainParam.goal=1e-60;
        net.trainParam.lr = 0.01;
        net = train(net,P1',T1');
    y=sim(net,TS');
    y1=y*(pmax1-pmin1)+pmin1;
    myrs=[y1',TSRS];