Bir komut dosyası şeklinde sinir ağı - sayfa 12
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Bununla birlikte, birçok problem 5 katmanlı bir algılayıcı tarafından çözülür, bir teoremin varlığı, 3 katmanlı bir algılayıcının her derde deva olduğu anlamına gelmez.
Basitçe, tüm (çok az istisna dışında) sorunların tek bir gizli katmana sahip 2 katmanlı bir algılayıcı tarafından çözüldüğünü belirtir! Evet, terminoloji açısından, NN'nin giriş düğümlerini (nöron içermeyenleri) bir katman olarak sayıyorsunuz ve ben yapmıyorum.
5-6-6-2 ağ mı yoksa 3 katlı 5-25-2 yedek kullanmak mı daha iyi? Böyle büyük bir sayı, uygun doğrusal olmayanlığı sağlamak için iyi bir şekilde elde edilebilir.
XY-1 mimarisini kullanırdım - sorunu çözer. Ayrıca, Y gizli katmanındaki nöronların sayısı, deneysel olarak 2'den başlayarak ağın genelleme özelliklerinin iyileşmesi durana kadar seçilecektir. Mütevazı deneyimime göre, birçok pratik uygulama için bu katmandaki iki nöron yeterlidir. Nöron sayısındaki bir artışla öğrenme süresi artar ve sinaps sayısındaki artış nedeniyle, eğitim örneğinin boyutunu veya girdinin boyutunu artırmak gerekir, bu da "işlemeye yol açar". " önemsiz bilgi veya sinir ağının yaklaşık özelliklerinin bozulması (Yezhov'a göre bu özellikler 1/d olarak düşer, burada d giriş sayısıdır), vb. vb. ki bu iyi değil.
Elbette, on katmanlı bir algılayıcı oluşturabilirsiniz ve işe yarayacaktır... ama ne için?
Basitçe, tüm (çok az istisna dışında) sorunların tek bir gizli katmana sahip 2 katmanlı bir algılayıcı tarafından çözüldüğünü belirtir! Evet, terminoloji açısından, NN'nin giriş düğümlerini (nöron içermeyenleri) bir katman olarak sayıyorsunuz ve ben yapmıyorum.
XY-1 mimarisini kullanırdım - sorunu çözer. Ayrıca, Y gizli katmanındaki nöronların sayısı, deneysel olarak 2'den başlayarak ağın genelleme özelliklerinin iyileşmesi durana kadar seçilecektir. Mütevazı deneyimime göre, birçok pratik uygulama için bu katmandaki iki nöron yeterlidir. Nöron sayısındaki bir artışla öğrenme süresi artar ve sinaps sayısındaki artış nedeniyle, eğitim örneğinin boyutunu veya girdinin boyutunu artırmak gerekir, bu da "işlemeye yol açar". " önemsiz bilgi veya sinir ağının yaklaşık özelliklerinin bozulması (Yezhov'a göre bu özellikler 1/d olarak düşer, burada d giriş sayısıdır), vb. vb. ki bu iyi değil.
Diyelim ki girdi olarak 10 tane var. Gizli katmandaki 2 yeterli mi? İnanmıyorum, oldukça zor bir görevde birleşecek.
Giriş katmanı hakkında. Bazen eşikleri olan bir giriş katmanı yapmaya değer, bu nedenle onu tüm sistemin ayrılmaz bir parçası olarak başka bir katman olarak düşünmek daha iyidir.
Hmm .. ama bir şekilde bu optimumu genelleyebilirsiniz. Ve yaklaşık 5 ve 3 katmanlı da ilginç. Teori nerede?
Optimum olana gelince - benim kişisel, belki de hatalı deneyimim. Katman sayısı hakkında - pratikte rastladım. Girdilerin çıktılara dönüşümünün doğrusal olmamasına bağlı olarak, görevlerin çoğu 3 katmanlı bir ağ ile çözülebilir. Teoriye gelince, üzgünüm, uzun zaman önceydi ...
Bununla birlikte, birçok problem 5 katmanlı bir algılayıcı tarafından çözülür, bir teoremin varlığı, 3 katmanlı bir algılayıcının her derde deva olduğu anlamına gelmez.
5-6-6-2 ağ mı yoksa 3 katlı 5-25-2 yedek kullanmak mı daha iyi? Böyle büyük bir sayı, uygun doğrusal olmayanlığı sağlamak için iyi bir şekilde elde edilebilir.
Bu arada, XORa için en yakınsak mimariyi biliyor musunuz?
4 nöron orta -- sigmoid
XOR için analitik bir çözüm var:
outXOR = in1 + in2 - 2*in1*in2
burada: in1 ve in2, 0 ile 1 arasında değerler alan girişlerdir.
Yakınsama anında gerçekleşir.
XOR için analitik bir çözüm var:
outXOR = in1 + in2 - 2*in1*in2
burada: in1 ve in2, 0 ile 1 arasında değerler alan girişlerdir.
Yakınsama anında gerçekleşir.
LOL, herhangi bir fonksiyon için analitik bir çözüm vardır, sadece onu bulmak için ... bazen çok zor.
Bu örneği 3 katmanlı bir algılayıcının her zaman en iyi seçenek olmadığını bir kez daha göstermek için verdim.
Bu örneği 3 katmanlı bir algılayıcının her zaman en iyi seçenek olmadığını bir kez daha göstermek için verdim.
Bu problem, radyal fonksiyonlara dayalı olarak nöronlarda ve NS'de bir eşiği olan 3 katmanlı bir algılayıcı tarafından çözülebilir, bu konuda uzmanlaşılacaktır:
Genel olarak, birçok seçenek vardır, görev uygun olanı bulmaktır.
Bu problem, radyal fonksiyonlara dayalı olarak nöronlarda ve NS'de bir eşiği olan 3 katmanlı bir algılayıcı tarafından çözülebilir, bu konuda uzmanlaşılacaktır:
Genel olarak, birçok seçenek vardır, görev uygun olanı bulmaktır.
Resim için teşekkürler.
İşte şu anda belirli bir tarih derinliği için bir çözüm verecek bir senaryo yazmak için özel bir görev -
satın al, sat veya çitle çevir, belirli bir minimum ağ yapılandırması ve gerekli minimum giriş sayısını tanımlamanız gerekir ve ardından uygulayın. Onlar. referans şartlarını belirleyin ve ardından tüm dünya uygulamaya düşecek, böylece grafiğe atılabilecek ve sonucu görebilecek belirli bir ürün var. Klot web sitesinde bir nörogösterge şeklinde uygulanan benzer bir şey gördüm.
http://www.fxreal.ru/forums/topic.php?forum=2&topic=1