科研之友
微信
新浪微博
Facebook
分享链接
摘要
合适的激活函数和参数可大幅提高神经网络预测的准确率，因此，工作人员会耗费大量时间和精力对激活函数进行多轮对比测试，通过评价指标的表现做出最终选择。为减少这种无效科研工作时间，建立了激活函数池，将传统神经网络进行叠加，形成了立体神经网络。该网络可对激活函数池中的多个函数同时进行训练，自动调整参数，通过ROC和AUC对各个维度的网络进行评价，选出主网络对未知数据进行预测。该立体神经网络可以帮助工作人员节省大约25%的手工比对和调整参数时间，预测准确率与使用正确激活函数的传统神经网络持平。
-
单位黑龙江财经学院
