Часто в алгоритмах машинного обучения возникает необходимость классифицировать данные.
Каждый объект данных представлен как вектор (точка) в p-мерном пространстве (последовательность p чисел).
Каждая из этих точек принадлежит только одному из двух классов.
これはこの方法の前提条件なのでしょうか？
何しろ私のOPでは、クラスが激しく混在しています。
そして、私のOPの次元数イコール1も、プラス側には働かないと理解しています。
Стоит отметить, что если исходное пространство имеет достаточно высокую размерность, то можно надеяться,
что в нём выборка окажется линейно разделимой.
何が問題なのかを具体的に判断できるようにするためには、どのようなデータや結果が必要なのでしょうか。
おそらく手始めに。
1) ネットワークの構造：層数、ニューロン、重み
2) 学習サンプルの量とエポック数
3) 学習終了時のネットワークの相対誤差
4) 重みの初期化のためのパラメータ - 値の分布の形式とその分散。
スレッドを見返したところ、1と2については理解できました。
おそらく最初から
1) ネットワークの構造：層数、ニューロン、ウェイト
2) 学習サンプルの量とエポック数
3) 学習終了時のネットワークの相対誤差
4) 重みの初期化のためのパラメータ - 値の分布の形式とその分散。
スレッドをざっと見返したところ、1と2について、なるほどと思いました。
添付資料の3について、私の理解が正しければですが
については、マニュアルに記載がないので、もう少し調べてみますが、例えば[-1;1]のような値の 範囲に一様に分布しているのではと思います。
ただし、検査結果を劇的に変えるのはNG!わかりましたか？
テスト期間1ヶ月の実行結果は以下の通りです。
-9337
+5060
....
これはトレーニング期間中ということですね？FANN？
GAを使用する。
まあGAもマヒの問題は他人事じゃないですからね。
ところで、あなたのライブラリーを興味深く拝見しました。それを議論するスレッドはなかったのか？感想や質問など...。
1) まあGAもマヒの問題は他人事ではありません。
2）ところで、あなたのライブラリーを興味深く拝見しました。それを議論するスレッドはなかったのか？感想や質問など...。
1）エイリアンではない。しかし、この問題は、他のNSの最適化／学習方法と比較して、はるかに関連性が低いのです。
2) 私のアルゴリズムに特化した議論スレッドがなかったこと。いくつかの質問にお答えします。
と遺伝的アルゴリズム"
短期上級研修「人工ニューラルネットワークと遺伝的アルゴリズム」の募集を締め切りました。
人工ニューラルネットワークと遺伝的アルゴリズム」。
M.V.ロモノーソフ・モスクワ国立大学生涯教育学部が実施。
V.V. ロモノーソフ・モスクワ国立大学 原子力研究所に基づく
モスクワ国立大学コース修了者には、州の上級専門教育修了証が授与されます。
ステート・サーティフィケイト・オブ・アドバンスト・トレーニング。
週2回、夜19:00からトレーニングが行われる予定です。
授業は2011年2月25日から開始します。
コースプログラムについて詳しく知りたい方は、詳細情報を入手し
お申し込みはこちらからお願いします。
http://www.neuroproject.ru/kpk.php
添付資料の3について、私の理解が正しければですが
については、マニュアルに記載がないので調べてみますが、[-1;1]などの値の範囲に一様に分布しているのではないでしょうか？
うん。
正解 - これはトレーニングサンプル上ですか、それともテストサンプル上ですか？
そしてもうひとつ、ネットワーク分類器にとって、1つの入力はかなり......と思いませんか？足りない？
これはトレーニング期間中ということですね？FANN？
1.はい、FANNです。
2.いいえ、これは同じNSが、同じOPで、同じ条件下で訓練したOOSの結果です。
うん。
トレーニング用とテスト用のどちらが正しいですか？
もうひとつ、分類器のネットワークで1入力というのは、ちょっと......と思いませんか？足りない？
))ご検討のほど、よろしくお願いいたします。
1.正解率・・・テストサンプルでの話です。このTSの文脈では、57%が「良い」、60%が「非常に良い」、65%以上が「素晴らしい」となります。
2.なぜ物足りないのか？もう十分です。このデータ（dimension=1）を線形法や視覚的手法でクラス分けできるのに、なぜNSで一貫して再現 できないのでしょうか？
さて、私はStatistics 6で、提出された学習例（TS）を確率的ニューラルネットワーク（PNNS）で分類することを試みました。
経験的に平滑化係数＝0.05を拾った。
その後、再トレーニングを繰り返した。トレーニングによって結果が変わることはなく、安定しています。
もしそうだとすると、FANNで使用するVNSをどのように転送するのか、という新たな疑問が生まれます。
SVMについては。
このメドは必ず1つの分割面を見つける・・・。
頑張ってください．
Vladislavさん、提案された方法をありがとうございました。
以下、説明文の抜粋です。
これはこの方法の前提条件なのでしょうか？
何しろ私のOPでは、クラスが激しく混在しています。
そして、私のOPの次元数イコール1も、プラス側には働かないと理解しています。
=====================================================
もしこの方法をすでに使っているのなら、私のデータを分割してみたらどうだろう？