我正在考虑一个应用程序，我想教神经网络为特定目的调整另一台设备上的一些参数。我说“调整一些参数”是因为我需要输出来“转动旋钮”其他东西，而不仅仅是二进制“按钮”
我需要什么样的神经网络？它是一个特定的架构吗？
到目前为止，我使用的 NN 是顺序和输出向量，如 [0] 或 [1]，以及输出如 [1,0,0,0] [0,1,0,0] [0,0,1, 0] [0,0,0,1] 例如
但现在我需要像 [0.25, 0.99, 0.14, 0.54] 这样的输出，
谢谢您的回答
这是一个回归问题而不是分类问题。对于两者，您都可以使用前馈神经网络。这些是您可能已经看到的典型情况，其中一层中的每个神经元都连接到下一层中的每个神经元。
在分类问题中，您想要一个像上面提到的输出，一个对应于正确类的单热向量。获得这个向量的方法是对最后一层的输出应用 soft-max 激活。如果您不应用此激活，您的输出向量可能类似于 [-2.5, 0.6, 10.2, 5.1]。你可以看到这看起来很像你想要的向量。因此，您可能可以使用前馈架构（如果数据中存在非线性，则在隐藏层上进行非线性激活），最后一层有 4 个神经元。然后，当你训练时，应该（希望）收敛到正确的数据输出。如果没有，您将需要弄乱架构/获取更多训练数据/许多其他杠杆来玩。
此链接转到使用 Keras 进行回归的教程。Keras 是一个很好的包，它可以使用 TensorFlow 和 Theano 等强大的库，并为它们提供一个简单的界面。当您开始尝试理解语法和 ML 概念时，TensorFlow 可能非常复杂（我从未使用过 Theano，所以我不知道）。Keras 有助于消除令人困惑的语法。