Μπορεί κάποιος να με βοηθήσει με αυτές του q / αμφιβολίες σχετικά με Νευρωνικά Δίκτυα

S

sanjay

Guest
Hi all,

Είμαι απλώς ένας αρχάριος για νευρωνικά δίκτυα, και έτσι ανάγνωση βιβλίων (κυρίως χάρη στην elektrodians) σχετικά με αυτό, είχα μόλις μερικές αμφιβολίες και ερωτήματα που Αναρωτιόμουν αν κάποιος από εσάς μπορεί να με βοηθήσει με το?

1.Κατά το σχεδιασμό των Νευρωνικών Δικτύων, ως σχεδιαστής, πώς επιλέγετε το πόσα κρυμμένα στρώματα χρειάζεστε;(Ξέρω τα βιβλία να πω, το λιγότερο τόσο το καλύτερο, αλλά ακόμα λίγο περίεργος, πώς μπορεί κανείς να πάει για να εκτιμηθεί το ύψος των απαιτούμενων κρυμμένα στρώματα)

2.Regarding λειτουργίες ενεργοποίησης, το ίδιο ζήτημα προκύπτει, πώς επιλέγετε, η οποία αποτελεί την καλύτερη λειτουργία ενεργοποίησης που θα ταιριάζουν αίτησή σας;, υπάρχουν guidlines που θα μας βοηθήσει να αποφασίσετε ποια ήθελα για να επιλέξετε.Σε genreal μέχρι τώρα, έχω δει συντάκτες πάμε για sigmoid λειτουργία ως επί το πλείστον στα βιβλία τους.Υπάρχει ιδιαίτερος λόγος για αυτή τη λειτουργία;

3.Όσον αφορά τα πίσω-διάδοση, στην αρχή, όταν τα πρότυπα τρέφονται
α) Πώς θα πάτε για την επιλογή της αξίας του βάρους;(Είναι ακριβώς όπως χρησιμοποιούν τυχαίες τιμές, ή υπάρχει κάποιο συγκεκριμένο τρόπο)
β) Μια ερώτηση για την επιθυμητή απόδοση, αν για παράδειγμα, είναι ένας σχεδιασμός ενός συστήματος όπου κάποιος δεν γνωρίζει πραγματικά wht να αναμένει, εν προκειμένω, πώς πηγαίνετε σχετικά με τη ρύθμιση που αποτελεί σημαντικό επίτευγμα;(Έχω δίκιο, διότι στο τέλος της ημέρας, η ΝΝ θα προσπαθήσουμε να έχουμε αποτελέσματα όσο το δυνατόν πιο κοντά σε αυτό που θέλετε afterall εξόδου)
γ) Λέγεται ότι στο δέλτα κανόνα, το μειονέκτημα είναι ότι δεν το όλο σύστημα να είναι η τιμή αλλάξει, αυτό που θέλω να πω είναι γνωρίζουμε ότι η αξία βάρος των μονάδων από τα λανθάνοντα στρώμα στο στρώμα εξόδου κάνει να αλλάξει, αλλά αυτό που αλλάζει οι τιμές των βαρών αλλαγή από τις μονάδες εισόδου στο κρυμμένο μονάδες στρώμα;

Κάθε προτάσεις, σκέψεις θα εκτιμηθεί.
Χαιρετισμοί

 
Γεια σου,

0) Διαβάστε μερικές ποσό της προσαρμοστικής επεξεργασίας σήματος.

1) Όχι δεν είναι γνωστό πόσοι πραγματικά στρώματα θα είναι επαρκής.Το μικρότερο τόσο το καλύτερο για την εφαρμογή.

2) Sigmoid διότι, εάν το στατιστικό αποτέλεσμα είναι πολύ χαμηλή ή πολύ υψηλή, η απόφαση είναι απλή.Κοντά στο όριο οποιαδήποτε απόφαση καθίσταται δύσκολη και sigmaoid βοηθά στην ελαχιστοποίηση των λαθών, και όχι βήμα.

3) I donot θυμάμαι.

hope this helps,
brmadhukar

 
πρώτα πάρετε ένα βιβλίο σαν νευρωνικό δίκτυο για την επεξεργασία σήματος,, όλες τις ερωτήσεις σας καθώς εξαρτώνται από τον τύπο των νευρωνικών δικτύων που θέλετε, ως εκ τούτου δεν υπάρχει συντόμευση,, είστε απλά θα πρέπει να διαβάσετε για νευρωνικά δίκτυα,, όλα τρεις ερωτήσεις σας είναι delt με διαφορετικό τρόπο (όσον αφορά την ακτινική δίκτυα βάση, mlps, κτλ κτλ,,

 
υπάρχει poof ότι 3 στρώμα νευρωνικό δίκτυο θα μπορούσε να λειτουργήσει καμία προσέγγιση για κάθε βαθμό που απαιτείται.τον αριθμό των κόμβων στο κρυμμένο στρώμα είναι το σημείο κλειδί, αν είναι αρκετά μεγαλύτερο από το νευρωνικό δίκτυο θα overtrained (δηλ. γενίκευση είναι πολύ κακό), ενώ αν ITIS αρκετά μικρότερο από το νευρωνικό δίκτυο θα είναι υπό μάθηση δηλαδή, είναι μεγάλο σφάλμα.

 
Hi as_518,

είναι δυνατή, αν μπορείτε να μου στείλετε το έγγραφο απόδειξης.Θα ήθελα να περάσουν από το εν λόγω έγγραφο.Όσον αφορά overfitting και τους υποκείμενους, συμφωνώ, καθώς το έργο που εγώ εργάζομαι τώρα, είναι ότι μου δίνει το πρόβλημα με την κατάρτιση μου λειτουργεί πολύ καλά, αλλά κατά τη διάρκεια της προσομοίωσης που αντιμετωπίζουν προβλήματα, τόσο απασχολημένος παίζοντας γύρω με αξίες.

 
μπορείτε να το βρείτε στη δεύτερη έκδοση του

"νευρωνικά δίκτυα" από haykin Simon p208-209

 
γεια
Χρειάζομαι:

Neural Networks: A Comprehensive Foundation (2nd Edition) - από Simon Haykin

βιβλίο.καθένας ξέρει πώς μπορώ να το βρω

 
sanjay,

Η αρχιτεκτονική του backpropagation είναι αξιόπιστη.Διαφορετική εφαρμογή, μπορεί να χρειαστεί διαφορετική αρχιτεκτονική για την καλύτερη απόδοση.Μπορείτε να το δοκιμάσετε με διαφορετική αρχιτεκτονική και στη συνέχεια να πάρει την καλύτερη αρχιτεκτονική.

Έχω εφαρμοστεί σύστημα αναγνώρισης δακτυλικών αποτυπωμάτων που χρησιμοποιεί η BP δίκτυο.

 

Welcome to EDABoard.com

Sponsor

Back
Top