訓練具有複數值權重的神經網絡（初始化複數值權重實數值輸入）

Question

如問題所述。我的目標是訓練一個權重爲複數的神經網絡。使用默認的scikit學習網絡並在此基礎上編輯（編輯源代碼），我遇到的主要問題是從scipy中獲取的scikit學習中使用的優化函數僅支持輸入實數的函數的數值優化。

Scikit學習比較差的神經網絡似乎特別是如果你希望叉子和編輯的結構是相當不易伸縮。

正如我已經注意到，並在這裏一紙我需要改變的東西閱讀，如錯誤的功能，以確保在頂層的誤差保持在實數域或問題變得不明確。

我的問題在這裏是否有任何標準庫可能已經這樣做？或者任何簡單的調整，我可以做烤寬麪條或張量來拯救我的生命？

P.S. ： 對不起，沒有發佈任何工作代碼。這是一個困難的問題，格式化到stackoverflow標準，我承認它可能超出了主題，在這種情況下，我很抱歉，如果這樣。

Answer 1

最簡單的方法是將你的特徵分成實部和虛部。我已經完成了與來自閏盤運動的矢量輸入類似的工作，並且如果將矢量分解爲它們的組件軸，它將大大簡化這些工作。

Answer 2

Tensorflow具有初級複數支持。

如果你必須建立自己的神經網絡節點，你可以在這個blog採取一目瞭然。

對於全純功能，復BP相當直截了當。

對於非全純功能，他們需要認真對待。