好的-我一直在用python搞乱神经网络，我做了一些前馈和一些递归的。我知道他们是如何工作的。
例如，有时我会看到使用神经网络生成文本之类的东西的人。他们会声称已经在数千个段落上对其进行了培训，然后它将撰写一个新段落。我最近读了一篇有关神经网络的文章，该文章分析了数千种字体，然后创建了自己的字体。
这就是问题所在-到目前为止，我所做的所有神经网络都采用输入和输出数据集。我正在阅读的这些神经网络似乎不接受输入，它们只是查看某事物的许多实例，然后创建该事物的新实例（就像它们仅处理输出一样）。
我想念什么吗？我正在阅读的这些神经网络是关于另一种类型的神经网络吗？假设我有一堆神经网络可以处理的旋律（非常短的MIDI文件）。我需要使用哪种类型的网络来训练这组旋律并使其产生新的旋律？
最佳答案
到目前为止，您所做的可能就是所谓的分类。您现在要看的是预测和回归。
您仍然以相同的方式训练网络。
训练后，您仍将输入作为输入，而不是获得分类（从分类），而是获得对下一步的可能的预测。例如。一系列的笔记。
您仍然需要提供输入来进行处理。但是我想这可能是随机的，半随机的，甚至是生成的音符。
这里有一个很好的关于神经网络预测的简短老教程：
http://www.obitko.com/tutorials/neural-network-prediction/
然后，查看您已经使用的编程库，并寻找预测或回归方法。
关于machine-learning - 神经网络的产生？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/38136245/