deep-learning - 我们可以使用两个相同的深度神经网络,中间的函数成本是多少
问题描述
假设我有如下图所示的输入数据x_1,它是深度神经网络(1)的输入,那么输出就是y_1。深度神经网络 (2) 的输入是 y_1,它的输出应该类似于 x_1(换句话说,它类似于自动编码器)
我的问题是,是否可以为 y_1 添加函数成本,例如我们需要 (y_1)_{1:4:end} = 0 或 minimum 之和的成本函数?
是否有可能实现这种深度神经网络结构?
解决方案
推荐阅读
- r - 缺少功能:在 R 中分离
- php - 当购物车中已经有超过 5 个“product_cat”时,限制“product_cat”的购物车添加(Woocommerce)
- vba - 将邮件移动到带有发件人姓名的文件夹
- c++ - c++ 为什么我不应该从不同的线程解锁互斥锁
- r - R:查找向量中没有出现在另一个向量中的每个元素并将其设置为零
- python - 根据另一个数据框向熊猫数据框列添加值
- reactjs - 使用 react-native-image-picker 和 axios 将图像上传到 S3 预签名 url
- reactjs - ReactJS 中导入包的性能
- javascript - 如何制作一个始终面向同一点的三角形?
- python - 检查DataFrame的2列是否彼此子集的有效方法