Un réseau de neurones probabiliste
1)Вероятностная нейронная сеть. Как функционирует(не пойму).
2)Как настроить веса и т.д. Везде поверхостное описание. Можете рассказать мат. аппорат.
1) Les réseaux neuronaux probabilistes (PNN) sont identiques aux réseaux perspectifs multicouches (MLP).
2) L'apprentissage est le même.
a) par le nombre de couches cachées
b) en fonction de la topologie des liens, étoile, treillis (et autres qui me viennent à l'esprit)
c) par type de fonction d'activation dans les neurones
d) Avec ou sans feedbacks, avec ou sans liens hybrides
e) a), b), c) et d) peuvent être dans un seul réseau.
1) Вероятностные нейронные сети (PNN) есть тоже самое, что и многослойный персептрон (MLP).
3) Вообще, это многообразие сетей лишь запутывает. На самом деле, сети делятся:
а) по количеству скрытых слоев
б) по топологии связей, звездообразные, решетка (и др. какие взбредут в голову)
в) по типу активационной функции в нейронах
г) С обратными связями или без, с гибридными связями.
Вот у нас есть образцы n из A и k из B. каждый обр. обладает z кол-вом параметров. Появляется неизвестный элемент и нам надо его отнести к А или B. Ну и как? Евклидово расстояние брать?
en 2 mots :
en un point donné (vecteur reconnaissable), l'activité des fonctions radiales (potentiel) est additionnée, d'abord sur la classe A, puis sur la classe B, la conclusion sur la classe à laquelle appartient le vecteur reconnaissable est faite en comparant les sommes (celui qui est le plus grand gagne).
2 joo :
Le réseau probabiliste et le MLP sont très différents. Quoi qu'il en soit, le principe qui les sous-tend est différent.
Par ailleurs, je ne recommande pas non plus de s'embarrasser de différentes grilles, tout ce qui est nécessaire est extrait d'une MLP ordinaire.
Vous avez une tâche de classification.
Pour entraîner le réseau, nous utilisons des exemples dont la réponse est soit 1 soit -1 (appartenant à A ou B).
Nous utiliserons la sigmoïde comme fonction d'activation des neurones.
Il a la forme :
Disons que l'espace A contient toutes les réponses 1, et que l'espace B contient toutes les réponses -1. Notez que ces espaces ne sont pas nécessairement séparés par une ligne droite (une courbe pourrait l'être).
Toutes les réponses qui ne correspondent pas exactement à A ou B en raison des attributs disponibles (lire - données d'entrée) seront disposées dans une grille dans l'espace -1...1.
avec une probabilité comme celle-ci :
PS : Vous le saviez, n'est-ce pas ?
У Вас задача классификации.
Для обучения сети используются примеры, ответ на который либо 1, либо -1 (принадлежность к А или В)
В качестве активационной функции нейронов используем сигмоиду
Имеет вид:
Скажем, к пространству А относятся все ответы 1, а к пространству В все ответы -1. Причем, эти пространства необязательно разделены четкой прямой линией (может быть и кривая)
Все ответы точно не попадающие ни в А ни в Б по имеющимся признакам (читаем - входные данные) будут расположены сеткой в пространстве -1...1
с вероятностью такой:
PS Вы же это знали, не так ли?
2 joo:
Вероятностная сеть и МЛП очень сильно различаются. Во всяком случае принцип у них заложен разный.
Другое дело что я тоже не рекомендую заморачивать на разных сетках, всё что нужно выжимается из обычного МЛП.
La question portait sur le compagnon. Les différences se font par enseignant. PNN a des réponses de -1 et 1, tout ce qui se trouve entre les deux est une probabilité d'appartenance à une classe, tandis que MLP (MNN) a des réponses de -1 et 1 sur tout l'intervalle. La différence réside uniquement dans l'enseignant (données de contrôle pour l'apprentissage), et les réseaux sont les mêmes.
Вопрос был про мат аппарат. Различия у них по учителю. У PNN ответы -1 и 1, все что между ними - вероятность принадлежности к классу, а у MLP (MNN) ответы на всем промежутке -1 и 1. Разница только в учителе (контрольные данные для обучения), а сети одни и те же.
Ce n'est pas seulement le professeur. Le principe est différent. MLP dessine des lignes (hyperplans) et probabiliste dessine des cercles (hyperbilles).
Prenons un exemple simple :
Un perceptron linéaire trace une ligne et c'est tout, sa ligne est infinie.
Et la valeur des potentiels des deux classes sera pratiquement nulle. Y a-t-il une différence ?
Exemple.
Vous devez organiser un classement, masculin ou féminin.
Il y a de tels signes, le nombre de signes correspond au nombre de neurones dans la couche d'entrée
1. Présence/absence des caractéristiques sexuelles primaires.
2. Présence/absence de caractéristiques sexuelles secondaires
3. Longueur des cheveux
4. largeur des hanches
5. Largeur des épaules.
6. Présence de poils sur les extrémités.
7. Présence de maquillage.
Codage des caractéristiques dans la plage -1...1.
Présenter les filets lors de l'enseignement de 100% des caractéristiques appartenant au sexe. Réponses -1 et 1.
Les combinaisons de traits donneront des réponses non "floues", par exemple (-0,8) correspondra à une probabilité de 80% d'être une femme.
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Vous acceptez la politique du site Web et les conditions d'utilisation
Un réseau de neurones probabiliste. Comment fonctionne-t-il (je ne comprends pas). Comment ajuster les poids, etc. Partout est une description spatiale. Pouvez-vous dire l'appareil mathématique.