Hybride neuronale Netze. - Seite 22

[RIP]

gumgum >> :
c-means-Algorithmus, wer hat eine detaillierte Beschreibung?

WiKi, k-means, c-means, und google ...

Wofür wollen Sie es verwenden?

[gumgum]

rip >> :

WiKi, k-means, c-means, und google ...

Wofür wollen Sie es verwenden?

>> Hybrid zum Knirschen.

Haben Sie übrigens schon Koeffizientengradienten ausprobiert? Ich habe Division Null raus!

[gumgum]

Vielleicht hat schon jemand geschrieben, vielleicht auch nicht...

Nachdem ich mehrere Algorithmen ausprobiert habe, habe ich ein Problem >>in[N/2]*in(Anzahl der Trainingsbeispiele), um ein ausreichendes Fehlerniveau zu erreichen. Ich habe die Gewichte mit(MathRand()-MathRand())/32767 initialisiert.

Die Initialisierung der Gewichte über DoubleTostr und StrToDouble führt zu + Ergebnissen der Zielerreichung!

double ranD(int rsign)
{
string ran="0.";
for(int z=1; z<=25; z++)
{
ran= ran+DoubleToStr(MathFloor((MathRand()/32767.0)*10),0);
}
double randou=StrToDouble( ran);
if( rsign==1)
   {
   double dip=(MathRand()-MathRand())/32767.0;
   if( dip<0){ randou=(-1)* randou;}
   if( dip==0){ randou=0;}
   }
return( randou);
}

[gumgum]

Das Thema ist bereits mit Spinnweben überwuchert...

Mir ist diese Sache aufgefallen... Angenommen, wir haben ein neuronales Netz x-n1-n2-y. Trainieren wir es mit ORO grad. im Batch-Modus. <e ein wenig anders.

Bilden Sie eine neue Menge MG=S aus der Trainingsmenge S und unterteilen Sie sie in K (endliche) Teilmengen M, so dass die Schnittmenge M(n)&M(n+1)!=0

Ignoriere alle Lernteilmengen M1,M2,M3,...,M(n),M(n+1) der MG-Menge und wähle M(emin) und korrigiere den Fehler, wenn M(emin)<e stop, wenn nicht, dann brauchen wir zuerst M(emin)/M(emin)--1.

Das ist die beste Art zu lernen.

[RIP]

gumgum >> :

Das Thema ist bereits mit Spinnweben überwuchert...

Ich habe so etwas bemerkt... Angenommen, wir haben ein neuronales Netz x-n1-n2-y. Trainieren wir es mit ORO grad im Batch-Modus. <e ein wenig anders.

Aus der Trainingsmenge S wird eine neue Menge MG=S gebildet und in K(endliche) Teilmengen M unterteilt, die M(n)&M(n+1) schneiden!=0

Wir überspringen alle Lernuntermengen M1,M2,M3,...,M(n),M(n+1) der MG-Menge und wählen M(Emin) und korrigieren den Fehler, wenn M(Emin)<e stop, wenn nicht, dann brauchen wir noch M(Emin)/M(Emin)--1.

Nun, das ist eine viel bessere Art der Ausbildung.

Was zeigt die Testteilmenge? Wie verhält sich der Fehler?

Die beschriebene Methode wird in der Literatur manchmal als modifizierter Batch-Modus bezeichnet.

[gumgum]

Kameraden. Wenn jemand stochastische Lernalgorithmen implementiert hat. Teilen Sie Ihre Eindrücke, Erfahrungen usw. mit (ich brauche keinen Quellcode).

P.S. Vielen Dank im Voraus.