NS에서 최적의 시냅스 수에 대해 논의할 수 있습니다. 일반적인 고려 사항에서 너무 많은 수가 없어야 한다는 것이 분명합니다. 그렇지 않으면 신경망이 다시 훈련됩니다. 그러나 또한 그 수가 적어서는 안 됩니다. 그렇지 않으면 네트워크가 충분히 훈련되지 않을 것입니다. 문헌에서 이 문제에 대해 서로 다른 의견을 만났기 때문에 포럼의 존경받는 회원들의 관점을 알고 싶습니다.
Neutron : NS에서 최적의 시냅스 수에 대해 논의할 수 있습니다. 일반적인 고려 사항에서 너무 많은 수가 없어야 한다는 것이 분명합니다. 그렇지 않으면 신경망이 다시 훈련됩니다. 그러나 또한 그 수가 적어서는 안 됩니다. 그렇지 않으면 네트워크가 충분히 훈련되지 않을 것입니다. 문헌에서 이 문제에 대해 서로 다른 의견을 만났기 때문에 포럼의 존경받는 회원들의 관점을 알고 싶습니다.
네트워크의 학습 능력은 시냅스의 수에 따라 다릅니다. 네트워크 토폴로지를 고려한 학습 방법을 개발하기 위해 여러 번 시도했지만 제대로 되지 않았습니다.
다음은 큰 소리로 생각하는 것입니다. N개의 입력이 있는 단일 레이어 신경망의 경우 N개의 시냅스가 있으며, 이 시냅스의 가중치는 일반적인 비선형 방정식의 경우 N 시스템을 고유하게 결정합니다. 이러한 시스템을 해결하려면 각각 N 요소로 구성된 N 벡터의 훈련 세트가 필요합니다. 이 경우 다른 방식으로 작동하지 않습니다. 2계층 신경망에서 입력의 수는 훈련 벡터의 총 수 N x n보다 작아야 합니다. 여기서 n은 두 번째 계층의 시냅스 수입니다. 따라서 훈련 벡터의 길이는 Nn입니다.
3계층 NN의 경우 추론 순서는 동일합니다.
따라서:
1. 필요한 침수 깊이를 기준으로 국회 입구의 치수를 결정합니다.
2. 또한 신경망의 아키텍처(계층 수)를 고려하여 시냅스 수를 세어 최적의 훈련 세트 크기를 얻습니다.
입력의 미백 및 정규화로 모든 것이 명확해집니다. 초등입니다. 그러나 최적의 입력 수(침수 깊이)를 결정하는 방법은 무엇입니까? 그냥 실험적인가요? 이 문제에 대한 고려 사항이 있습니다. 입력 개수에 국소 최적점이 있음을 보여줄 수 있습니다. 그 수가 적어서는 안 되지만 너무 많아서도 안 됩니다. 일반적으로 최적은 3-5 입력 영역에 있습니다. 이론은 이것에 대해 무엇을 말합니까?
입력의 미백 및 정규화로 모든 것이 명확해집니다. 초등입니다. 그러나 최적의 입력 수(침수 깊이)를 결정하는 방법은 무엇입니까? 그냥 실험적인가요? 이 문제에 대한 고려 사항이 있습니다. 입력 개수에 국소 최적점이 있음을 보여줄 수 있습니다. 그 수가 적어서는 안 되지만 너무 많아서도 안 됩니다. 일반적으로 최적은 3-5 입력 영역에 있습니다. 이론은 이것에 대해 무엇을 말합니까?
나는 나 자신이 어떻게 작동하는지, 왜 그런지 완전히 이해하지 못한다면 긍정적인 결과를 얻는 것이 건초 더미에서 바늘을 찾는 것과 같다는 확인을 반복적으로 찾았습니다. 찾을 수는 있지만 이것이 일어날 것이라는 사실은 아닙니다. 따라서 나는 나 자신과 싸우는 것을 선호하며 처음부터 결과가 일반적으로 더 좋습니다.
Ja nacinajuscij treider, no s bolsim bagazom programirovanija. U menia vopros k vam, otnositelno neironnix setej.
Procitav ves topic forum, mne bolee menee stalo jasno k cemu vse klonitsia ispolzuja neironnije seti, i potomu voprosi, dumaju, bolee konkretnije.
대니
1. Imeetsia kucia signalov s odinakovim cislom paramtrov na konkretnij slucaj. - eto kak bi vxod neiroseti
2. Imeetsia rezultat - is serii xoroso/ploxo
Itak - vozmozno li, ispolzuja neiroset polucit otvet neiroseti v buduscem po etoj modeli - novije dannije - otvet - xoroso 또는 ploxo? Kakije trudnosti obucenija NN vozmozni 대 etoj 계획?
Udovletvoriajuscij menia rezultat bilo bi virozenije sili v nabore signalov s raznimi parametrami (slaboje ili silnoje) v konkretnom sluciaje.
NS에서 최적의 시냅스 수에 대해 논의할 수 있습니다. 일반적인 고려 사항에서 너무 많은 수가 없어야 한다는 것이 분명합니다. 그렇지 않으면 신경망이 다시 훈련됩니다. 그러나 또한 그 수가 적어서는 안 됩니다. 그렇지 않으면 네트워크가 충분히 훈련되지 않을 것입니다. 문헌에서 이 문제에 대해 서로 다른 의견을 만났기 때문에 포럼의 존경받는 회원들의 관점을 알고 싶습니다.
네트워크의 학습 능력은 시냅스의 수에 따라 다릅니다. 네트워크 토폴로지를 고려한 학습 방법을 개발하기 위해 여러 번 시도했지만 제대로 되지 않았습니다.
좋습니다. 하지만 이론을 원합니다.
다음은 큰 소리로 생각하는 것입니다. N개의 입력이 있는 단일 레이어 신경망의 경우 N개의 시냅스가 있으며, 이 시냅스의 가중치는 일반적인 비선형 방정식의 경우 N 시스템을 고유하게 결정합니다. 이러한 시스템을 해결하려면 각각 N 요소로 구성된 N 벡터의 훈련 세트가 필요합니다. 이 경우 다른 방식으로 작동하지 않습니다. 2계층 신경망에서 입력의 수는 훈련 벡터의 총 수 N x n보다 작아야 합니다. 여기서 n은 두 번째 계층의 시냅스 수입니다. 따라서 훈련 벡터의 길이는 Nn입니다.
3계층 NN의 경우 추론 순서는 동일합니다.
따라서:
1. 필요한 침수 깊이를 기준으로 국회 입구의 치수를 결정합니다.
2. 또한 신경망의 아키텍처(계층 수)를 고려하여 시냅스 수를 세어 최적의 훈련 세트 크기를 얻습니다.
(제 생각에) 가장 중요한 것 중 하나는 데이터 준비입니다.
1. 입력의 상관 관계를 줄이십시오. 즉, 입력은 가능한 한 통계적으로 독립적이어야 합니다.
2. 또한, 입력 벡터를 정규화할 때 엔트로피의 증가를 달성해야 하므로 동일한 양의 입력 데이터를 유지하면서 NN에 제공되는 정보의 양을 증가시켜야 합니다.
필수 데이터 품질 검사(예: Kolmogorov-Smirnov 방법 또는/및 Hurst 지수)
네트워크 아키텍처를 선택하면 오류를 줄일 수 있습니다.
입력의 미백 및 정규화로 모든 것이 명확해집니다. 초등입니다. 그러나 최적의 입력 수(침수 깊이)를 결정하는 방법은 무엇입니까? 그냥 실험적인가요? 이 문제에 대한 고려 사항이 있습니다. 입력 개수에 국소 최적점이 있음을 보여줄 수 있습니다. 그 수가 적어서는 안 되지만 너무 많아서도 안 됩니다. 일반적으로 최적은 3-5 입력 영역에 있습니다. 이론은 이것에 대해 무엇을 말합니까?
입력의 미백 및 정규화로 모든 것이 명확해집니다. 초등입니다. 그러나 최적의 입력 수(침수 깊이)를 결정하는 방법은 무엇입니까? 그냥 실험적인가요? 이 문제에 대한 고려 사항이 있습니다. 입력 개수에 국소 최적점이 있음을 보여줄 수 있습니다. 그 수가 적어서는 안 되지만 너무 많아서도 안 됩니다. 일반적으로 최적은 3-5 입력 영역에 있습니다. 이론은 이것에 대해 무엇을 말합니까?
이론에 따르면 무작위로, 즉 실험적으로만. 주요 정보 내용입니다.
당신이 말하는 것은 슬프다.
불행히도 문제의 차원(전역적으로)은 NN의 최적 매개변수에 대한 질문에 대해 무작위 방법으로 만족스러운 답변을 얻을 수 있는 합리적인 시간을 허용하지 않습니다. 우리가 지성을 켜고 기준을 낳을 수 있습니까?
일반적으로 네트워크의 작업은 매혹적입니다! 여기에서 실험을 위해 입력이 4개이고 출력에서 비선형성이 없는 작은(단일 레이어) 네트워크를 던졌습니다.
나는 그녀의 입력에 진드기를 넣고 각 진드기 에 그녀를 재훈련시키고 한 틱 앞서 예측합니다. 젠장, 그녀는 예측한다! 무화과에. 빨간색 - 시세 표시기, 파란색 - 예측.
물론 예측을 위해 선택한 시리즈가 아스팔트 위의 두 손가락처럼 간단하지만 네트워크도 기본적이라는 것을 이해합니다.
저는 NeuroSolutions에서 일하고 있으며 거기에서 네트워크 차원과 몰입 깊이를 선택할 수 있습니다.
ICQ에서 더 우수함(프로필 참조)
Dobrovo vam vremia sutok i izvinite za translit.
Ja nacinajuscij treider, no s bolsim bagazom programirovanija. U menia vopros k vam, otnositelno neironnix setej.
Procitav ves topic forum, mne bolee menee stalo jasno k cemu vse klonitsia ispolzuja neironnije seti, i potomu voprosi, dumaju, bolee konkretnije.
대니
1. Imeetsia kucia signalov s odinakovim cislom paramtrov na konkretnij slucaj. - eto kak bi vxod neiroseti
2. Imeetsia rezultat - is serii xoroso/ploxo
Itak - vozmozno li, ispolzuja neiroset polucit otvet neiroseti v buduscem po etoj modeli - novije dannije - otvet - xoroso 또는 ploxo? Kakije trudnosti obucenija NN vozmozni 대 etoj 계획?
Udovletvoriajuscij menia rezultat bilo bi virozenije sili v nabore signalov s raznimi parametrami (slaboje ili silnoje) v konkretnom sluciaje.