ハイブリッドニューラルネットワーク - ページ 19

[RIP]

registred >> :

大学1年の時です。実は私も高校生の時に経験したことがあります。重要なのは教師だけで、それは本質的にネットワークの出力におけるエラーの種類である。

重要なのは、問題提起です。ネットワークの出力でどのように誤差を教えるか（教師）は二の次である。

[削除済み]

rip >> :

重要なのは、問題提起です。ネットワークの出力の誤差をどのようにトレーニング（教師）するかは二の次です。

2+3の足し算を学習するニューラルネットワークは、MSEの誤差を持つことになる。パターン認識を学習するニューラルネットワークは、別の誤差が生じる。それとも、問題文を何か別の言葉で解釈しろということでしょうか？

[RIP]

registred >> :

2+3の足し算を学習するニューラルネットワークは、MSEの誤差を持つことになる。パターン認識を学習するニューラルネットワークでは、また違った誤差が生じます。それとも、問題文を何か別の言葉で解釈しろということでしょうか？

問題文は、ネットワークを使って、何をしようとしているのか、ということです。例として、関数 x(t) = 4*x(t-1)*(1 - x(t-1)) があるとします。

t=100,150でその値を近似する。それぞれトレーニングサンプルと、トレーニングサンプルの延長としてテストサンプルを作成する。

X0 = 0.2、学習サンプル - 100、項目は1-100。トレーニングの方は、100から150まで50の要素があります。

アタチャの.rarには、グラフがあります。

learning-1.gif - 訓練用サンプル

test-1.gif - テスト

learning-2.gif - 学習サンプルの値の分布。

それぞれ、入力X、出力にX+1を期待する、ネットワーク1-6-1の学習を開始しよう。アダプティブステップを用いた勾配法による学習。

そこで、学習ペア{X,D}、ここでD=X(t+1)

トレーニングの過程では

mse: 0.3549103488
エポック：3375

error.gif - エラーグラフ

テストサンプルでテストしてみよう

テストエラー
mse: 0.7089074281

test-2.gif - テストプロット、予想される出力データとネットワークモデルが示すもの。

test-3.gif - テストサンプル値分布のグラフ

I.e.ゴール到達

[gumgum]

学習速度を非線形に調整する方法は？

[RIP]

gumgum >> :
学習速度を非線形に調整する方法は？

今回は、dE/dWに従って計算されるアダプティブステップを使用したんだ。

[gumgum]

delw=n(DE/DW) このnを3乗の近似多項式でどう調整するのか？

[削除済み]

リップ、この機能をFXに応用するにはどうすればいい？MSEも計算しているのでしょうか？

[RIP]

registred >> :

リップ、この機能をFXに応用するにはどうすればいい？MSEも計算しているのでしょうか？

まさか、そんな :)ネットワークが正常に動作しているかどうかを確認するためのテスト機能のひとつに過ぎないのです。

[削除済み]

rip >> :

まさか、そんな :)これは、ネットワークが正しく動作しているかどうかを確認するためのテスト機能の1つです。

私が言っているのは、ストップラーニングの方法です。FXとの関連では、どのような基準で判断しているのでしょうか。この例では、二乗平均平方根誤差を使いましたね。

[RIP]

registred >> :

私が言っているのは、ストップラーニングの方法です。FXとの関連では、どのような基準で判断しているのでしょうか。この例では、二乗平均平方根誤差を使用していますね。

エムエスイー