"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 80

新评论
 
Urain。

关于稀疏性（我在上面写过），你可以根据掩码为每个神经元创建一个索引数组，在计数后，它将指示输出的位置。

从哪里获取投入，让谁来获取产出，这似乎更符合逻辑。
 

是的！！！这个话题非常有趣。我想介绍一下使用自然算法的神经网络优化主题，以蜜蜂群或粒子群为例。当我读到关于这个方法的文章时，我有一个想法，它看起来像什么，它不像OpenCL，但直接适用于neuronc，所以为什么不尝试用额外的图形DDL比如OpenGL来实现它，特别是在测试人员允许的情况下。如果有人感兴趣，我可以给一个有趣文章的链接，还有一个源代码的链接。

 
MetaDriver。
但是，这种方法甚至不包含试图在遗传上杂交拓扑结构 的萌芽。

我没有听说过这样的事情。跨越不同的拓扑结构会导致比同一拓扑结构的演变更好的结果吗？

 
gpwr:

我没有听说过这样的事情。跨越不同的拓扑结构会导致比同一拓扑结构的演变更好的结果吗？

骡子和马比驴子和马更适合某些活动。 这只是一个想法。 这个想法仍在进行中。
 
gpwr:

我没有听说过这样的事情。跨越不同的拓扑结构会导致比同一拓扑结构的演变更好的结果吗？

它发生了。比如说，有一个perseptron的Cochonen。
 
她.人。
从哪里获取投入，让谁来获取产出，这似乎更符合逻辑。

你可以这样做，但这并不改变模型的本质。尽管有必要检查一下哪个选项的速度会更快。

gpwr:
需要分层，因为在一些网络中，不同的层对输入有不同的处理，而且在一个层内神经元之间的连接也不同。 实际上，我不明白建立一个通用网络的目标是否实用。有许多网络有其细微差别（不同层的神经元的功能，它们的连接，权重的训练等）。在我看来，在一个模型中描述所有这些东西是不可能的，或者说是低效的。为什么不创建一个不同网络的图书馆呢？

每个神经元都可以由它自己的类型来定义（更不用说层），这将由CProcessing基类后代的可扩展功能来设置。顺便说一下，我已经构思了这个想法，但实施时我是用膝盖做模型的。我想讨论它，然后实施已经想好的东西。我以为会很清楚，在CProcessing中应该有一个函数Trening，对于每种类型的神经元，它可能是不同的，取决于导数和天知道还有什么。而且可能有特宁的前向和后向传播。

伴随着通用的拓扑结构，我们得到了一个通用的学习方案，一个神经元需要做什么来学习，在神经元本身就有描述，学习的处理是通过网状结构的单一标准化进展。

你是否在某个地方看到过，例如在MLP中嵌入了基于径向的神经元，而一切都被正常学习了？它在这里是可以实现的。

 

普遍描述的想法（包括对拓扑结构的全面描述）是有希望的，至少因为它将有可能（最终！）从非常 "网格类型 "中抽象出来--如果你理解的话，这是一个相当人为的概念。

我不反对给一些特定的拓扑结构起特定的名字（纯粹是为了方便）。但是，只要这些名字不开始催眠，不对本质的感知造成障碍，不干扰思想的相互交叉。 而且在生活活动的各个领域，每一步都可以观察到。

 

读了你对这个话题的评论，得出的结论是--我想看看测试项目 什么时候会有？ 和一篇有详细描述的文章。

 
Urain。
...
因此，在某处可能存在一个反馈回路？
 
GKS。

读了你对这个话题的评论，得出了一个结论--我希望看到这个项目的测试版，当它将? 和一篇有详细描述的文章。

在工作讨论的同时，时间会告诉我们。

MetaDriver。

普遍描述的想法（包括对拓扑结构的全面描述）是有希望的，至少因为它将有可能（最终！）从 "网格类型 "中抽象出来--如果你理解的话，这是一个相当人为的概念。

我不反对给一些特定的拓扑结构起特定的名字（纯粹是为了方便）。但是，只要这些名字不开始催眠，不对本质的感知造成障碍，不干扰相互之间的思想交流。 而这一点在生活的各个领域的每一步都可以观察到。

可以通过名称来制作引导模板，例如 "MLP "模板通过 "perseptrons "来拼出所有神经元的类型。

1...737475767778798081828384858687...100
新评论