我想要做的是估计与如频率W,时间t,相披参数正弦函数。
有两种情况我尝试。(I附下面为了描述图像链接和源代码)
外壳1是一个关于具有单一的输入正弦函数的估计X 2的情况下是大约具有多输入正弦函数的估计(x被除以3:频率ω,时间t,相PHI)
案例1效果很好。我得到了非常低的损耗值。(约为0)第2种情况不能很好地工作。损耗值是相当高的。它收敛到25
我想提高其性能,并知道为什么它有一个表现不佳的原因。
我连接用于源代码和Evernote的链接的描述中图象nbviewer链接。
案例1)https://nbviewer.jupyter.org/gist/nuriahn/1dd28ef1164a8a358bb7875f48dc1174
案例2)https://nbviewer.jupyter.org/gist/nuriahn/f4b25917243c4b043caf640362dcd0ea
说明图片)http://www.evernote.com/l/AYuq8O7ErDtKK4346xKk7RzmVx9fX0zTdT8/
我希望这种模式可以学习这个公式:Y = SIN(W * T + PHI)。例如,当我把W = 2,T = 4和phi = 0.5作为输入然后我得到的输出y为sin(2 * 4 + 0.5)的结果。
在这种情况下,唯一的情况1将工作,因为它正在考虑w和披作为参数来学习。
在第二种情况下,则不能指望网络学习作为要传递的参数(这是为了通过网络而获知)作为输入,并让网络确定通过完全连接层它们之间的关系(通过添加更多的权重)。