神经网络。来自专家的问题。 - 页 15

 

你的图中有一个二维的解决空间。而输入只有一个值--这怎么可能呢?

也许真的值得在最低水平上熟悉这个话题,以继续讨论?

 
joo:

你的图中有一个二维的解决空间。而输入只有一个值--这怎么可能呢?

也许真的值得在最低水平上熟悉这个话题,以继续讨论?

当我在写的时候,我意识到这个数字并不完全吻合,但这只是一个重叠类的例子,取自这个论坛上的一篇文章。这并不能改变问题的关键。

我重申,这个问题已经有了解决方案,但它是线性的。

--------------------------------------------

好吧,我现在就画我的。

手工制作的总是更好.....)

 

为了以防万一,让我解释一下。

空间是一维的,数据是分散的,以保证清晰。



 
那么MLP就是类似于1-N-1,其中1-输入,隐藏层中的N个神经元(S型f-激活),1-输出-1或1(逻辑f-激活)。N将取决于网络对所需功能的详细描述程度。
 
joo:
那么MLP是类似于1-N-1的东西,其中1-输入,隐藏层的N个神经元(S型f-激活),1-输出-1或1(逻辑f-激活)。N将取决于网络对所需功能的详细描述程度。

我已经厌倦了戳破。既像这样,又像那样,又像那样。

N尝试从3到140。

1和2神经元的输出。

等等,等等。

现在我将尝试发布结果....

--------------

我喜欢什么都自己做,但我知道我会通过。我不知道我在做什么。

虽然有一个解决方案(线性),甚至是编码的,而且它是有效的。

 

我想知道...MQL语言是否能够做到这一点?

http://rutube.ru/tracks/3140465.html?v=d80d4eebf754c9fcfa2116bc496b083a

 
lasso:
......

我现在试着把结果贴出来....

.......

那么,结果在哪里呢?
 
lasso:

不过有一个解决方案(线性),甚至是编码的,而且是有效的。

作为参考,如果不使用NS也能做到的事情,最好不要拉动NS。你会学得很累的。我面对过很多次,在文献中也谈到了这一点。但如果你理解了线性决策的本质,并在这个本质的背景下很好地预处理数据。然后,NS可以按照线性解决方案来工作。假设有NS..... 所特有的误差
 
nikelodeon:
供你参考,如果你不使用NS就能做什么,最好不要拉动NS。如果要教的话,就很麻烦了。我不止一次面对它,在关于它的文献中也讲过。但如果你理解了线性决策的本质,并在这个本质的背景下很好地预处理数据。然后,NS可以按照线性解决方案进行工作。在假设了NS..... 所特有的误差的情况下

我不明白,什么是 "符合Lichy解决方案",但一般来说,我同意。:)

但显然,拉索正在训练他的生物网络,以便以这种方式与人工网络合作。

 
错了。不要打扰......