Redes neuronales híbridas. - página 22

[RIP]

gumgum >> :
Algoritmo c-means que tiene una descripción detallada?

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

¿Para qué quieres usarlo?

[gumgum]

rip >> :

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

¿Para qué quieres usarlo?

>> Híbrido para crujir.

Por cierto, ¿has probado los gradientes de coeficiente? ¡Tengo la división cero fuera!

[gumgum]

Tal vez alguien ya escribió, tal vez no...

Después de probar varios algoritmos tengo un problema >>en[N/2]*in(número de ejemplos de entrenamiento) para alcanzar un nivel de error suficiente. He inicializado los pesos por(MathRand()-MathRand())/32767.

¡La inicialización de los pesos a través de DoubleTostr y StrToDouble conduce a + resultados de llegar a la meta!

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]

El tema ya está lleno de telarañas...

Me di cuenta de esta cosa... Supongamos que tenemos una red neuronal x-n1-n2-y. Vamos a entrenarlo con ORO grad. en modo batch. <e un poco diferente.

Hacer un nuevo conjunto MG=S a partir del conjunto de entrenamiento S y dividirlo en K subconjuntos (finitos) M tales que la intersección M(n)&M(n+1)!=0

Ignora todos los subconjuntos de aprendizaje M1,M2,M3,...,M(n),M(n+1) del conjunto MG y elige M(emin) y corrige el error si M(emin)<e detiene si no, entonces primero necesitamos M(emin)/M(emin)--1.

Esta es la mejor manera de aprender.

[RIP]

gumgum >> :

El tema ya está lleno de telarañas...

Me di cuenta de tal cosa... Supongamos que tenemos una red neuronal x-n1-n2-y. Vamos a entrenarlo con ORO grad en el modo batch. <e un poco diferente.

A partir del conjunto de entrenamiento S, haz un nuevo conjunto MG=S y divídelo en K(finitos) subconjuntos M que intersecten M(n)&M(n+1)!=0

Omitimos todos los subconjuntos de aprendizaje M1,M2,M3,...,M(n),M(n+1) del conjunto MG y elegimos M(Emin) y corregimos el error si M(Emin)<e para si no, entonces todavía necesitamos M(Emin)/M(Emin)--1.

Pues bien, esta es una forma mucho mejor de entrenar.

¿Qué muestra el subconjunto de pruebas? ¿Cómo se comporta el error?

El método descrito se encuentra a veces en la literatura como un modo de lote modificado.

[gumgum]

Compañeros. Si alguien ha implementado algoritmos de aprendizaje estocástico. Comparte tus impresiones, experiencias, etc. (no necesito el código fuente).

P.D. Gracias por adelantado.