A probabilistic neural network - page 3
You are missing trading opportunities:
- Free trading apps
- Over 8,000 signals for copying
- Economic news for exploring financial markets
Registration
Log in
You agree to website policy and terms of use
If you do not have an account, please register
Опиши только что и как сделать. Я залью, когда закончу, отпишусь.
How much space does this library take up?
http://narod.yandex.ru/
Какой обьем занимает эта библиотека?
http://narod.yandex.ru/
About 700 mb
1) Вот и я говорил, что дело в учителе.
2) Хмм, а кто запрещает использовать для каждого нейрона сети свою ф-ю активации в MLP? Вернее, коэффициент кривизны в ф-и активации, так как она (ф-я активации) у всех сетей и всех нейронов одна и та же, её форма может меняться начиная от логической ступенчатой, s-образной до прямой линейной.
3) Ну вот, а раз так, то и не стоит городить огород.
4) Никак не противоречит сказанному мною
5) Вы слепо следуете книжным авторитетам, и не проводите исследований самостоятельно? Зря. Здесь неограниченное поле для полета фантазии, и, если следовать, часто противоречащим друг другу, книжным понятиям, есть большая вероятность упустить из виду очень важные.... хм, в общем многое теряете.
В общем, как хотите так и называйте, суть нелинейного преобразования нейрона от этого не изменится.
With this presentation, you are no longer talking about MLP, since its architecture is unambiguously formulated, but about multilayer networks with a backprop learning method. You can mix as many layers and activation functions as you like.
That's then how do you interpret what you get in the output? I have a story on the tip of my tongue, along the lines of one that was around at the dawn of the NS boom. DARPA funded the development of the NS for object recognition, spent many millions, (I apologize more accurately absorbed millions of grants) made, the network was taught to recognize tanks on the ground ;) on taught . It distinguishes its own from others perfectly, 99.99%. Mistake on a test sample ;) Almost reported that everything is cool ... Anyway, someone thought of testing the system on photos taken in relation to different terrain and weather conditions ... What a disappointment it was when the system showed 10-15% success in identifying objects. :) After analysis, it turned out that the system successfully identified cloud types that were over the area where the photos were taken.
Thus, the answer to the question why there are so many cloud models. Almost all models are tailored for specific tasks in a very narrow solution set. If to consider NS as parametric system of not linear equations. And research, it should be conducted within the framework of some concept, otherwise it is a "method of mathematical groping" ...
При таком изложении, вы уже говорите не об MLP, так как его архитектура однозначно сформулирована, а о многослойных сетях с backprop методом обучения. Можно микшировать как угодно слоя, и ф-ции активации.
Вот как потом интерпретировать то, что вы получите на выходе? У меня тут на языке крутится одна история, по аналогии, которая была на заре бума НС. DARPA финансировала разработки НС для распознавания объектов, потратили много млн., (извиняюсь более точно освоили млн. гранды) сделали, сеть учили опознавать танки на местности ;) на учили ... свои от чужих отличает великолепно, 99,99%. Ошибка на тестовой выборке ;) Чуть не отчитались что все круто ... В общем, кто-то додумался тестировать систему на фото, сделанные относительно другой местности и погодных условий ... какое было разочарование, когда система показала 10-15% успешной идентификации объектов. :) После анализа, оказалось что система успешно идентифицировала типы облаков, которые были над той местностью где были изготовлены фото.
Вот и ответ на вопрос почему существует, такое кол-во моделей НС. Практически все модели подгоняются под определенные задачи, в очень узком разрезе набора решений. Если рассматривать НС как параметрическую систему не линейных уравнений. А исследования, их надо вести в рамках какой-то концепции, в противном случае это "метод математического тыка" ...
Well, I tell you, it's up to you what to call it. With such an approach, with strict delimitation of NN by types, there is no possibility to build any complex systems based on elementary particles "neuron". That's why I recommended not to get hung up on certain types of networks.
And I don't use backprop at all. It does not allow to build committees of networks, it does not allow to build networks of arbitrary configuration.
joo вы закините на файлообменник эту кучу книг?
Yes, if you can explain to me popularly how to do it. I've never uploaded to ftp until now, I haven't been able to do it on yandex.
Да, если объясните мне популярно как это сделать. Не разу не занимался заливкой на ftp до сего дня, на yandex не получилось.
How come I just registered on people! Here's the http://narod.ru/disk/18186702000/NejronnyeSeti.djvu.html test.
there's up to 5 Gb
Как так только сейчас на народе зарегестривовался! вот http://narod.ru/disk/18186702000/NejronnyeSeti.djvu.html тест.
там до 5 Gb
I don't know, the transmission stopped on time and basta.
Ну не знаю, вовремя отправки передача остановилась и баста.
Christmas trees and needles. I'll look for another service.Christmas trees and needles. Looking for another service.
as a file-sharing option - create an email account on google. now you can upload files of any type to "documents" general up to one gig. volume of each file - I do not remember. either 150 or 200 meters. then you can allow access to files...