lahko kdorkoli pomoč mi s temi q's / dvome o Neural Networks

S

Sanjay

Guest
Hi all,

Jaz sem šele začetnik v nevronske mreže, in to branje knjig (v glavnem zaradi elektrodians) na to, sem imel nekatere pomisleke in vprašanja, ki sem bil začuden če sploh kateri od vi pomoč mi s?

1.Pri načrtovanju Neural Networks, kot oblikovalec, kako si izbere tistega, koliko skrite plasti, ki jih potrebujete?(Vem, knjige pravijo, vsaj bolje, ampak še vedno samo radoveden, kako naj nekdo šel o odločanju o višini zahtevanih skritih plasti)

2.Regarding aktiviranje funkcije, sledi isto vprašanje, kako si izbrati, kateri je najboljši funkcija aktiviranja, da bi ustrezala vaši prijavi?, Ali obstajajo kakršne koli Navodila, ki nam bodo pomagale, kot odločiti, katero izberete.V genreal doslej, sem videl avtorjev iti za večinoma SIGMOID funkcijo v svojih knjigah.Ali obstaja poseben razlog za to funkcijo?

3.V zvezi z back-propagation, v začetku, ko se vzorci hranijo
a) Kako greste o izbiri vrednosti mase?(Ali je to prav tako kot uporaba naključnih vrednosti, ali obstajajo kakršne koli način)
b) vprašanja o želenih rezultatov, če na primer, eden je oblikovanje sistema, v katerem eden dejansko ne ve wht pričakovati, v tem primeru, kako greste o nastavitvi želenega izhoda?(Imam prav, saj ob koncu dneva, bo NN poskušali dobiti rezultate, kolikor je mogoče blizu želenega to afterall izhod)
c) je dejal, da v delti pravilo, slabost je, da celoten sistem ni dobil je spremenila vrednost, kaj hočem reči je, vemo, da teža vrednost enot iz skritih plasti za izhodne plasti ne dobijo spremenilo, ampak kaj spremeni vrednosti uteži prehodu iz vhodnih enot v skrite enote plast?

Vse predloge, misli, bi bilo dobrodošlo.
S spoštovanjem

 
Živjo,

0) Preberite nekaj znesek adaptivne obdelave signalov.

1) Ne Ni znano, koliko zares plasti bi zadostovala.Manjši za boljše izvajanje.

2 Sigmoid), ker, če statistika prenizek ali previsok odločitev je preprosta.V bližini praga odločitev postane težko in sigmaoid pomaga pri zmanjševanju napak, namesto korak.

3) I donot spomnim.

upanje to pomaga,
brmadhukar

 
najprej dobili knjigo, kot so nevronske mreže za obdelavo signalov,, vsa vprašanja, ki ste, ki so odvisni od tipa, ki neural network želite, zato ni bližnjice, vi ste šele tekoč prebrati više nevronske mreže,, vse svoje tri vprašanja so delt z različno (v zvezi z radialno podlagi omrežja, mlps, etc etc,,

 
obstaja poof, da 3 layer neural network bi približno funkcijo za vse zahtevane stopnje.število vozlišč v skriti plasti je ključna točka, če je večji kot dovolj, neural network bo overtrained (tj. posplošitev je zelo slabo) če pa ITIS manjši kot dovolj, neural network bo v okviru učenja in sicer je velika napaka.

 
Hi as_518,

je to mogoče, če vi moči spodbuda mi to dokaz dokument.Bi radi šli skozi ta dokument.Glede overfitting in osnovne, se strinjam, kot je projekt, ki delam za zdaj, je giving mi je, da problem kot moje usposabljanje dela lepo, vendar med simulacijo težavami se srečujejo, tako zaseden igranje okrog z vrednotami.

 
Najdete ga v drugi izdaji

"neural networks" Simon Haykin P208-209

 
živjo
Potrebujem:

Neural Networks: A Comprehensive Foundation (2nd Edition) - Simon Haykin

knjiga.vsakdo znanje kako moči jaz odkriti to

 
Sanjay,

Arhitektura backpropagation je zanesljiv.Različni prijava lahko potrebujejo drugačno arhitekturo za najboljše rezultate.Lahko poskusite z različnimi arhitekturo in nato dobijo najboljšo arhitekturo.

Sem izvaja z uporabo sistema za prepoznavanje prstnih odtisov, BP omrežja.

 

Welcome to EDABoard.com

Sponsor

Back
Top