그러나 Grasn은 14번째 버전이 kotsana이고 엔진이 거기에서 죽었고 오류가 있는 4개를 계산한다고 말했습니다. 일반적으로 paralocus 는 모든 장단점을 측정하고 인터넷에 올라와 알아내십시오. 포장 마차에서 Matkada의 배포 비용은 100 루블입니다.
정확히 "매끄러운"것은 아닙니다. grasn은 완전히 다른 말을 했습니다. 14개의 엔진이 더 저렴하고 모든 것이 워털루 최고의 엔진이라는 오래된 주장으로 귀결됩니다.메이플 대SciFace소프트웨어. 그러나 실제로는 더 나은 것이 있고 더 나쁜 것이 있습니다. 필요한 것을 살펴봐야 합니다. 여기 예가 있습니다. 3개의 행성의 운동에 대한 고전적인 문제가 있습니다. 특정 초기 조건에서 한 행성은 다른 행성의 궤적을 포착합니다.
다음은 matkad 13(캡처)의 솔루션입니다.
다음은 14 matkad의 솔루션입니다.
그리고 많은 장점과 14번째 버전이 있습니다. Vista 13에서는 그냥 넘어지기 때문에 아마도 그것에 가야 할 것입니다. 그리고 13에는 많은 결함이 있으며 이전 버전에 대해 무엇을 말할 수 있습니까?
Neutron , 이 조정 계수 (1 - J/N) 를 입력하면 모든 가중치에 대해 사용해야 합니까, 아니면 예를 들어 숨겨진 레이어의 가중치에 대해 사용할 수 있고 출력 뉴런? 이제 은닉층의 가중치에만 사용합니다. 무게가 다소 안정화됨 +/-50. N 의 경우 Epoch 수를 사용합니다.
paralocus писал(а)>> Neutron , 이 조정 계수 (1 - J/N) 를 입력하면 모든 가중치에 대해 사용해야 합니까, 아니면 예를 들어 숨겨진 레이어의 가중치에 대해 사용할 수 있고 출력 뉴런? 이제 은닉층의 가중치에만 사용합니다. 무게가 다소 안정화됨 +/-50. N 의 경우 Epoch 수를 사용합니다.
이것 저것 시도하십시오. 저는 예외 없이 모든 저울에 적용합니다. 그러나 이것은 모든 것의 단순화에 대한 나의 사랑, 동일성에 대한 열망 때문입니다. 아마도 당신을 위해 무언가가 타버릴 것입니다. N 은 Epoch의 수입니다.
코드에서 - if(NormalizeDouble(SquarHid[i,j],4) != 0.0), 비교가 작동하지 않습니다. 우리는 이미 중복 비교에 대해 논의했습니다.
고맙지만 내 코드에도 "0으로 나누기" 오류가 없습니다.
안녕하세요 Seryoga입니다!
그러나 Grasn은 14번째 버전이 kotsana이고 엔진이 거기에서 죽었고 오류가 있는 4개를 계산한다고 말했습니다. 일반적으로 paralocus 는 모든 장단점을 측정하고 인터넷에 올라와 알아내십시오. 포장 마차에서 Matkada의 배포 비용은 100 루블입니다.
정확히 "매끄러운"것은 아닙니다. grasn은 완전히 다른 말을 했습니다. 14개의 엔진이 더 저렴하고 모든 것이 워털루 최고의 엔진이라는 오래된 주장으로 귀결됩니다. 메이플 대 SciFace 소프트웨어. 그러나 실제로는 더 나은 것이 있고 더 나쁜 것이 있습니다. 필요한 것을 살펴봐야 합니다. 여기 예가 있습니다. 3개의 행성의 운동에 대한 고전적인 문제가 있습니다. 특정 초기 조건에서 한 행성은 다른 행성의 궤적을 포착합니다.
다음은 matkad 13(캡처)의 솔루션입니다.
다음은 14 matkad의 솔루션입니다.
그리고 많은 장점과 14번째 버전이 있습니다. Vista 13에서는 그냥 넘어지기 때문에 아마도 그것에 가야 할 것입니다. 그리고 13에는 많은 결함이 있으며 이전 버전에 대해 무엇을 말할 수 있습니까?
안녕하세요 Seryoga입니다!
멋진 퍼즐을 가져오셨습니다. 아름다운. 수치적 방법의 정확성 때문이 아닐까요? 정확도를 높이고 솔루션 수렴...
안녕하세요 Seryoga입니다!
멋진 퍼즐을 가져오셨습니다. 아름다운. 수치적 방법의 정확성 때문이 아닐까요? 정확도를 높이고 솔루션 수렴...
아니요, 정확성에 관한 것이 아닙니다.
Neutron , 이 조정 계수 (1 - J/N) 를 입력하면 모든 가중치에 대해 사용해야 합니까, 아니면 예를 들어 숨겨진 레이어의 가중치에 대해 사용할 수 있고 출력 뉴런? 이제 은닉층의 가중치에만 사용합니다. 무게가 다소 안정화됨 +/-50. N 의 경우 Epoch 수를 사용합니다.
이것 저것 시도하십시오. 저는 예외 없이 모든 저울에 적용합니다. 그러나 이것은 모든 것의 단순화에 대한 나의 사랑, 동일성에 대한 열망 때문입니다. 아마도 당신을 위해 무언가가 타버릴 것입니다. N 은 Epoch의 수입니다.
한 가지 혼동이 있습니다.
이 시스템의 수정은 필요 여부에 관계없이 지속적으로 발생합니다. 이진 입력이 있는 그리드의 경우 특히 그렇습니다.
저것들. 부호가 올바르게 추측되었지만 그리드 출력의 진폭과 테스트 신호 사이에 차이가 있는 경우에도 수정이 계속 발생합니다. 그러나 그녀가 필요합니까?
결국,이 경우 그리드는 잘못되지 않았습니다 ...
... 그러나 이것은 모든 것의 단순화에 대한 나의 사랑, 동일성에 대한 열망 때문입니다 ....
지점이 아니라 마스터 클래스! 유익한 정보 많이 주셔서 감사합니다! 나는 ORO를 하지 않지만 훈련 권장 사항은 PNN에서도 훌륭하게 작동합니다. 다시 한 번: Neutron 덕분에!
rsi 친절한 말씀 감사합니다. 지식 공유는 언제나 즐겁습니다!
한 가지 혼동이 있습니다.
이 시스템의 수정은 필요 여부에 관계없이 지속적으로 발생합니다. 이진 입력이 있는 그리드의 경우 특히 그렇습니다.
저것들. 부호가 올바르게 추측되었지만 그리드 출력의 진폭과 테스트 신호 사이에 차이가 있는 경우에도 수정이 계속 발생합니다. 그러나 그녀가 필요합니까?
결국,이 경우 그리드는 잘못되지 않았습니다 ...
나는 같은 방식으로 행동합니다.
그리드는 기호 자체뿐만 아니라 예측의 정확성을 지속적으로 연마하기 때문에 맞습니다...
이봐, 뉴턴 ! 일반적으로 2층에서는 아직 작동하지 않습니다.
ORO로 단층 퍼셉트론을 작성하고 어제 하루 종일 운전했습니다. 그는 이상하게 행동하고 있습니다. 그것은 배우거나 배우지 않으며, epoch의 수에 따라 치명적입니다.
저것들. 내 결과는 다음과 같습니다. 8 epoch - 메쉬가 학습하지 않음, 12 epoch - 메쉬가 학습, 13 epoch - 메쉬가 학습하지 않습니다.
요컨대, 나는 아직 결과에 대해 자랑할 수 없습니다.
만일을 대비하여 구현한 알고리즘을 작성하겠습니다. 내가 놓친 것이 있는지 확인하십시오.
1. 퍼셉트론 D 바이너리 입력 중 하나는 상수 +1입니다.
2. 사용된 VR - Open 시리즈에 따른 인용의 연속적인 증분.
3. 작업을 시작하기 전에 모든 가중치는 +/-1 범위의 작은 임의 값으로 초기화됩니다.
4. 훈련 벡터의 길이는 P = 4 * D * D / D = 4 * D 로 계산됩니다.
5. 훈련 벡터는 그리드의 입력에 공급되고 네트워크 오류는 Qs = Test - OUT 으로 계산됩니다. 여기서 Test는 n + 1 에서의 TS 값입니다. 다음, 카운트다운, OUT - n번째 카운트다운에서 그리드 출력.
6. 입력 Q 에서 오류 값을 얻으려면 그리드 오류 Qs 에 수축 함수 (1 - OUT+OUT) 의 도함수를 곱합니다. Q = Qs *(1 - OUT*OUT) .
7. 보정 벡터는 뉴런 COR[i] += Q*D[i] 에 포함된 각 가중치에 대해 Epoch 전체에 걸쳐 계산 및 누적됩니다.
8. epoch 전체에서 별도로 계산 및 누적된 값은 뉴런 SQR[i] += COR[i]*COR[i] 에 포함된 각 가중치에 대한 보정 벡터의 제곱입니다.
9. 에포크가 끝나면 각 가중치에 대해 개인 보정이 계산되고 이 가중치 W[i] += COR[i]/SQR[i] 에 추가됩니다.
나는 계수 (1 - j/N) 를 사용하고 가중치를 무작위화하려고 했습니다. 가중치 의 절대값은 20 이상으로 증가했습니다. 무작위화가 더 좋습니다.
PS는 텍스트의 오류를 수정했습니다.