運用神經網路進行能力評價的話，我的期望輸出是根據指標體系賦權得到的，那么訓練之后的實際輸出值需要與期望值做對比，相當于還是根據權重得到的呀，那么運用神經網路是不是沒有意義了？
uj5u.com熱心網友回復：
根據權重計算分值這個本身就是最簡單的神經網路（全連接層），你只是在用一個網路去學習另一個網路罷了……這個問題想要真的變得你認為的有意義，那么首先需要有個前提——根據權重計算的分值不合理，需要用一種新的方法來評估，那么就需要以下步驟：
1.標注資料（人對一個個樣本重新進行能力打分，打分甚至可以簡化到好和不好兩種）
2.訓練網路，哪怕輸入只有好和不好兩種，輸出也可以是一個分值
這樣出來的網路才真正有了你所人為的意義。
uj5u.com熱心網友回復：
謝謝您的回復，想問一下這種輸入好中差類似等級的輸入值，能夠輸出具體分值的神經網路模型可以通過哪一個神經網路實作呀？？模糊神經網路嗎？？
uj5u.com熱心網友回復：
不妨假設好的分值為1，中為0.5,差為0。任意神經網路，最終接一個輸出為一維的全連接層，然后sigmoid約束到（0~1），結果就是一個0~1的分值
uj5u.com熱心網友回復：
明白了，謝謝您的指點，還想請教一下，在訓練的時候，比如我有10個評價指標都打分，每個指標輸入好的分值為1，中為0.5,差為0；那么期望輸出的分值如何確定呢
uj5u.com熱心網友回復：
在不，想問你一些關于這個貼的問題轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/28265.html
標籤：人工智能技術
上一篇：求助！！