Часто в алгоритмах машинного обучения возникает необходимость классифицировать данные.
Каждый объект данных представлен как вектор (точка) в p-мерном пространстве (последовательность p чисел).
Каждая из этих точек принадлежит только одному из двух классов.
这是该方法的前提条件吗?
毕竟,在我的OPs中,班级是严重混杂的。
而我的OP的维度也等于1,据我了解,这并不有利。
Стоит отметить, что если исходное пространство имеет достаточно высокую размерность, то можно надеяться,
что в нём выборка окажется линейно разделимой.
你需要提供什么数据或结果,以便能够具体确定问题是什么?
可能是为了开始的时候。
1) 网络的结构:层数、神经元、权重
2) 训练样本量和历时数
3) 训练结束时网络的相对误差
4)初始化权重的参数--数值的分布形式和它们的方差。
我回顾了一下这个主题,我明白了关于1和2。
可能要从
1) 网络结构:层数、神经元、权重
2) 训练样本量和历时数
3) 训练结束时网络的相对误差
4)初始化权重的参数--数值的分布形式和它们的方差。
回头浏览了一下这个主题,关于1和2我看到了。
关于第3点,如果我理解正确的话,在附件中。
关于第4点,我在手册中找不到任何东西,我将进一步挖掘,但我认为分布是在一个数值范围 内均匀的,例如,[-1;1] 。
但不是为了大幅度改变测试结果!你明白吗?
以下是在1个月的测试期中的运行结果。
-9337
+5060
....
我想这是在培训期间?FANN?
使用GA。
嗯,GA对瘫痪的问题并不陌生。
顺便说一下,我饶有兴趣地看了看你的图书馆。没有一个讨论这个问题的主题吗?任何想法和问题....
1)那么GA对瘫痪的问题也不陌生。
2)顺便说一下,我饶有兴趣地看了看你的图书馆。没有一个讨论这个问题的主题吗?任何想法和问题....
1)它不是外星人。但与其他优化/训练NS的方法相比,这个问题的意义要小得多。
2)没有专门关于我的算法的讨论主题。在这里 回答了一些问题。
和遗传算法"
短期高级培训课程 "人工神经网络和遗传算法 "的申请已经结束
人工神经网络和遗传算法"。
由莫斯科国立罗蒙诺索夫大学继续教育系进行
V.V.罗蒙诺索夫莫斯科国立大学在莫斯科国立大学核研究所的基础上建立的
莫斯科国立大学。课程的完成者将获得国家高级专业培训证书。
国家高级培训证书。
培训将在晚上19:00开始,每周举行两次。
2011年2月25日开始上课。
要了解更多关于课程方案,获得更多信息和
请点击这里申请该课程。
http://www.neuroproject.ru/kpk.php
关于第3点,如果我理解正确的话,在附件中。
对于第4项,我在手册中找不到任何东西,我会继续挖掘,但我认为分布是在一个值的范围内均匀的,例如[-1;1]。
是的。
正确率% - 这是在训练样本上还是在测试样本上?
还有一个问题:你不认为对于一个网络分类器来说,1个输入在某种程度上是很...不够吗?
我想这是在培训期间?FANN?
1.是的,这就是FANN。
2.不,这些是在相同条件下,在相同的OP上训练的同一个NS的OOS结果。
是的。
正确率为%--这是在训练样本上还是在测试样本上?
还有一个问题:你不认为对于一个分类器网络来说,1个输入是有点...不够吗?
))谢谢你的考虑。
1.正确率 - 这是在测试样本上。在这个TS的背景下,57%是好的,60%是非常好的,65%或以上是优秀的。
2.为什么不够?够了,够了。如果我可以通过线性或视觉方法将这些数据(维数=1)划分为类,为什么我不能用NS一致地再现 呢?
...............
现在我在统计6中尝试用概率神经网络(PNNS)对提交的训练实例(TS)进行分类。
根据经验,我选择了平滑系数=0.05。
然后再反复训练它。结果是稳定的,不会因训练而改变。
如果这是真的,那么就会出现一个新的问题,如何将VNS转移到FANN中使用?
至于SVM。
这个medod总是会找到一个单一的分割面....
好运....
Vladislav,谢谢你建议的方法。
以下是描述中的一段摘录。
这是该方法的前提条件吗?
毕竟,在我的OPs中,班级是严重混杂的。
而我的OP的维度也等于1,据我了解,这并不有利。
=====================================================
如果你已经在使用这种方法,也许你可以尝试分割我的数据?