1. 코호넨 네트워크(Kohonen networks, incl. 솜. 무엇을 찾아야할지 명확하지 않은 클러스터로 나누는 데 사용하는 것이 좋습니다. 내가 생각하는 토폴로지는 입력 벡터, 출력 벡터 또는 그룹화된 출력으로 알려져 있습니다. 교육은 교사와 함께 또는 교사 없이 수행될 수 있습니다.
2. 가장 일반적인 형태의 MLP, 즉 피드백이 있는 그래프로 구성된 임의의 레이어 집합으로 매우 널리 사용됨
3. 재순환 네트워크. 솔직히, 나는 정상적인 작동하는 비선형 구현을 본 적이 없습니다. 정보 압축 및 주성분 추출(PCA)에 사용됩니다. 가장 단순한 선형 형태로, 신호가 양쪽에서 전파될 수 있는 선형 2층 네트워크(또는 확장된 형태의 3층 네트워크)로 표현됩니다.
4. 에코 네트워크. 원리는 MLP와 유사하며 거기에서 사용됩니다. 그러나 조직이 완전히 다르며 교육 시간이 명확하게 정의되어 있습니다(반대로 항상 전역 최소값을 생성합니다).
5. PNN - 사용하지 않고 뒤지지 않습니다. 하지만 장인이 있다고 생각합니다.
6. 퍼지 논리 모델(확률적 네트워크와 혼동하지 말 것). 구현하지 않았습니다. 그러나 도움이 될 수 있습니다. 누구든지 정보를 찾으면 게시하십시오. 거의 모든 모델은 일본 작가입니다. 거의 모든 것이 수동으로 조립되지만 논리적 표현 으로 토폴로지 구성을 자동화할 수 있다면(모든 것을 올바르게 기억한다면) 비현실적으로 멋질 것입니다.
그럴 수 없다. 다른 레이어에서 다양합니다. 일반적으로 각 뉴런을 별도의 레이어로 만들 수 있습니다.
버퍼에 대한 예가 더 좋습니다. 집에 가자.
레이어는 한 번의 반복에서 서로 독립적인 뉴런의 연결입니다 .
누가 이것이 불가능하다고 말했지만 나는 원합니다. 그리고 당신은 내 날개를 잘랐습니다. o)
당신은 사람들이 무엇을 생각할 수 있는지 결코 알지 못하지만 여전히 계층의 모든 뉴런이 동일한 수의 입력을 가져야 한다고 말합니다.
유형과 연결은 동일한 레이어의 뉴런에 대해서도 모두 다를 수 있습니다. 여기서 춤을 출 필요가 있습니다. 그렇지 않으면 앉아야 하는 알고리즘 세트(인터넷에 많이 있음)를 얻을 수 있습니다. 뭔가를 연결합니다.
각 뉴런이 별도의 계층인 경우 알고리즘이 얼마나 더 복잡해질 것이라고 위협합니까?
온라인 다이어그램 그리기 등의 스레드를 누가 조언할 것입니까? 쓰레기?
Google 문서도구에 사진이 있으므로 공유할 수 있습니다.
나는 하루에 1시간 이하로 그림을 그리는 비서로 일할 수 있다.
네, 구현된 네트워크에서 4개의 네트워크에 관심이 있습니다.
1. 코호넨 네트워크(Kohonen networks, incl. 솜. 무엇을 찾아야할지 명확하지 않은 클러스터로 나누는 데 사용하는 것이 좋습니다. 내가 생각하는 토폴로지는 입력 벡터, 출력 벡터 또는 그룹화된 출력으로 알려져 있습니다. 교육은 교사와 함께 또는 교사 없이 수행될 수 있습니다.
2. 가장 일반적인 형태의 MLP, 즉 피드백이 있는 그래프로 구성된 임의의 레이어 집합으로 매우 널리 사용됨
3. 재순환 네트워크. 솔직히, 나는 정상적인 작동하는 비선형 구현을 본 적이 없습니다. 정보 압축 및 주성분 추출(PCA)에 사용됩니다. 가장 단순한 선형 형태로, 신호가 양쪽에서 전파될 수 있는 선형 2층 네트워크(또는 확장된 형태의 3층 네트워크)로 표현됩니다.
4. 에코 네트워크. 원리는 MLP와 유사하며 거기에서 사용됩니다. 그러나 조직이 완전히 다르며 교육 시간이 명확하게 정의되어 있습니다(반대로 항상 전역 최소값을 생성합니다).
5. PNN - 사용하지 않고 뒤지지 않습니다. 하지만 장인이 있다고 생각합니다.
6. 퍼지 논리 모델(확률적 네트워크와 혼동하지 말 것). 구현하지 않았습니다. 그러나 도움이 될 수 있습니다. 누구든지 정보를 찾으면 게시하십시오. 거의 모든 모델은 일본 작가입니다. 거의 모든 것이 수동으로 조립되지만 논리적 표현 으로 토폴로지 구성을 자동화할 수 있다면(모든 것을 올바르게 기억한다면) 비현실적으로 멋질 것입니다.
+ 뉴런 수의 진화적 증가 또는 그 반대의 감소가 있는 네트워크.
+ 유전 알고리즘 + 학습을 가속화하는 방법이 여기에 있습니다.
이 작은 분류를 찾았습니다
+ 유전적 패턴
유전학은 더 많은 것을 먹습니다. 자원. 그라디언트 알고리즘이 더 좋습니다.
사용자에게 필요한 것을 결정하는 이유는 무엇입니까? 선택권을 주어야 합니다. 예를 들어, PNN은 또한 많은 리소스를 소비합니다.
라이브러리는 보편적이고 광범위해야 하며, 솔루션을 찾을 수 있는 기회를 열어야 하며, 이미 인터넷에서 찾을 수 있는 표준 역전파 패키지가 아닙니다.
레이어는 한 번의 반복에서 서로 독립적인 뉴런의 연결입니다 .
그리고 그것은 무엇을 제공합니까?
당신은 사람들이 무엇을 생각할 수 있는지 결코 알지 못하지만 여전히 계층의 모든 뉴런이 동일한 수의 입력을 가져야 한다고 말합니다.
음. 각 뉴런에는 하나의 입력과 하나의 출력이 있습니다.
그리고 유형과 연결은 동일한 레이어의 뉴런에 대해서도 모두 다를 수 있습니다. 여기에서 춤을 출 필요가 있습니다. 그렇지 않으면 앉아 있어야 하는 알고리즘 세트(인터넷에 많이 있음)를 얻을 수 있습니다. 아래로 뭔가를 연결합니다.
첫째, 나는 끝내지 못했다. 둘째, 규칙을 참조하십시오. 나중에 비판. 모델을 전체적으로 보지는 않지만 이미 비판하기 시작합니다. 안좋다.
각 뉴런이 별도의 계층인 경우 알고리즘이 얼마나 더 복잡해질 것이라고 위협합니까?
무엇의 알고리즘? 어리석은 학습과 기능은 느려질 것입니다.
그리고 더 자세히 pzhalsta는 어떤 종류의 엔티티 "버퍼"입니까?
버퍼는 시냅스와 뉴런이 통신하는 개체입니다. 다시 한 번, 내 모델은 생물학적 모델과 매우 다릅니다.
_____________________
어제 끝내지 못해 죄송합니다. 인터넷에서 결제하는 걸 깜빡해서 끊었어요 :)
레이어는 한 번의 반복에서 서로 독립적인 뉴런의 연결입니다 .
누가 이것이 불가능하다고 말했지만 나는 원합니다. 그리고 당신은 내 날개를 잘랐습니다. o)
당신은 사람들이 무엇을 생각할 수 있는지 결코 알지 못하지만 여전히 계층의 모든 뉴런이 동일한 수의 입력을 가져야 한다고 말합니다.
그리고 유형과 연결은 동일한 레이어의 뉴런에 대해서도 모두 다를 수 있습니다. 여기에서 춤을 출 필요가 있습니다. 그렇지 않으면 앉아 있어야 하는 알고리즘 세트(인터넷에 많이 있음)를 얻을 수 있습니다. 아래로 뭔가를 연결합니다.
각 뉴런이 별도의 계층인 경우 알고리즘이 얼마나 더 복잡해질 것이라고 위협합니까?
이론적으로 가능하지만 실제로는 비슷한 얼굴을 하지 않았습니다. 나는 심지어 처음으로 아이디어를 접했습니다.
순전히 실험적인 목적으로 프로젝트 의 프레임워크 내에서 구현에 대해 생각할 수 있습니다. "잡종" 레이어 구현은 인건비와 구현 효율성 측면에서 가장 좋은 아이디어가 아닐 수 있습니다.
나는 개인적으로 이 아이디어를 좋아하지만 적어도 이 가능성은 논의할 가치가 있습니다.
사용자에게 필요한 것을 결정하는 이유
? 유전학은 교수법 입니다. 가장 정확한 IMHO는 이전에 최적의 알고리즘을 선택한 학습 알고리즘을 숨기는 것입니다.
? 유전학은 교수법 입니다. 가장 정확한 IMHO는 이전에 최적의 알고리즘을 선택한 학습 알고리즘을 숨기는 것입니다.
그러나 NN을 사용한 작업은 토폴로지 선택으로만 구성됩니까? 교수법도 중요한 역할을 한다. 토폴로지와 학습은 밀접하게 관련되어 있습니다.
모든 사용자는 자신의 IMHO를 가지고 있으므로 결정의 절반을 스스로 할 수 없습니다.
사전 설정에 제한되지 않는 네트워크 디자이너 를 만들어야 합니다. 그리고 최대한 다재다능합니다.
세르게예프 :
라이브러리는 보편적이고 광범위해야 하며, 솔루션을 찾을 수 있는 기회를 열어야 하며, 이미 인터넷에서 찾을 수 있는 표준 역전파 패키지가 아닙니다.
그러나 NN을 사용한 작업은 토폴로지 선택으로만 구성됩니까? 교수법도 중요한 역할을 한다. 토폴로지와 학습은 밀접하게 관련되어 있습니다.
모든 사용자는 자신의 IMHO를 가지고 있으므로 결정의 절반을 스스로 할 수 없습니다.
사전 설정에 제한되지 않는 네트워크 디자이너 를 만들어야 합니다. 그리고 최대한 다재다능합니다.