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.
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" ...
Опиши только что и как сделать. Я залью, когда закончу, отпишусь.
このライブラリはどのくらいのスペースを占有するのですか？
http://narod.yandex.ru/
Какой обьем занимает эта библиотека?
http://narod.yandex.ru/
約700mb
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.
この発表では、MLPのアーキテクチャが一義的に定式化されているため、もはやMLPの話ではなく、バックプロップ学習方式による多層ネットワークの話になっていますね。層と活性化関数はいくつでも混ぜることができます。
それは、じゃあ、出力されたものをどう解釈するのか？NSブームの黎明期にあったような話を舌鋒鋭く語っている。DARPAは、オブジェクト認識のためのNSの開発に資金を供給し、何百万を費やして、（私はより正確に助成金の数百万を吸収謝罪）作られた、ネットワークが地面に戦車を認識するように教えられた;）教える上で。99.99％、完璧に自他の区別がつきます。テストサンプルの間違い ;)ほとんどすべてがクールであることを報告した ...とにかく、地形や天候の異なる場所で撮影した写真で、システムをテストしてみようと考えた人がいたのです......。10〜15％の識別成功率を示したときは、なんとがっかりしたことでしょう。:)解析の結果、撮影した地域上空の雲の種類を特定することに成功しました。
このように、なぜこれほど多くのクラウドモデルが存在するのかという疑問に対する答えがあります。ほとんどすべてのモデルは、非常に狭いソリューションセットの中で、特定のタスクのために調整されています。NSをパラメトリックな非一次方程式系として考える場合。そして研究は、何らかの概念の枠組みの中で行うべきで、そうでなければ「数学的手探りの方法」になってしまう・・・。
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" ...
まあ、どう呼ぶかはあなた次第と言うことです。このようなアプローチ、つまりNNの種類を厳密に分けるアプローチでは、素粒子である「ニューロン」をベースにした複雑なシステムを構築することはできないのです。 だから、特定のネットワークにこだわらないことをお勧めしたんです。
そして、バックプロップは全く使っていません。ネットワークの委員会を構築することはできず、任意の構成のネットワークを構築することもできません。
joo вы закините на файлообменник эту кучу книг?
そうですね、ポピュラーに説明していただけると。今までftpにアップロードしたことがない、yandexでできなかった。
Да, если объясните мне популярно как это сделать. Не разу не занимался заливкой на ftp до сего дня, на yandex не получилось.
どうして今、人に登録したんだ！ ここで、http://narod.ru/disk/18186702000/NejronnyeSeti.djvu.html テストをします。
5Gbまであります。
Как так только сейчас на народе зарегестривовался! вот http://narod.ru/disk/18186702000/NejronnyeSeti.djvu.html тест.
там до 5 Gb
どうだろう、定刻に通信が止まってバスタ。
Ну не знаю, вовремя отправки передача остановилась и баста.
クリスマスツリーやニードル他のサービスを探します。クリスマスツリーやニードル他のサービスを探している。
ファイル共有のオプションとして、googleにメールアカウントを作成し、あらゆる種類のファイルを "documents "にアップロードすることができます。 一般 各ファイルの容量は1ギガまでで、150メートルか200メートルのどちらかです。