Redes neurais. Perguntas dos especialistas. - página 20

 
lasso:
Que dados ou resultados você precisa fornecer para poder determinar concretamente qual é o problema?

Provavelmente para iniciantes.

1) Estrutura da rede: número de camadas, neurônios, pesos

2) Volume da amostra de treinamento e número de épocas

3) erro relativo da rede no final do treinamento

4) Parâmetros de inicialização dos pesos - a forma de distribuição dos valores e sua variância.


Eu olhei para trás através do fio, entendo cerca de 1 e 2.

 
alsu:

Provavelmente, para começar com

1) Estrutura da rede: número de camadas, neurônios, pesos

2) Volume da amostra de treinamento e número de épocas

3) erro relativo da rede no final do treinamento

4) Parâmetros para inicialização dos pesos - a forma de distribuição dos valores e sua variância.


Desnatado de volta através do fio, cerca de 1 e 2 vejo.

no ponto 3, se o entendi corretamente, no anexo.

no ponto 4, não consigo encontrar nada no manual, vou cavar mais, mas acho que a distribuição é uniforme em uma gama de valores, por exemplo, [-1;1]

Arquivos anexados:
 
lasso:

Mas não para alterar drasticamente os resultados dos testes! Você entendeu?

Aqui estão os resultados das corridas no período de teste de 1 mês:

-9337

+5060

....


E presumo que isto seja sobre o período de treinamento? FANN?
 
joo:
Use GA.


Bem, a GA não é estranha ao problema da paralisia.

A propósito, olhe sua biblioteca com interesse. Não havia um fio discutindo isso? Quaisquer pensamentos e perguntas....

 
Figar0:


1) Bem, a GA também não é estranha ao problema da paralisia.

2) A propósito, eu olhei sua biblioteca com interesse. Não havia um fio discutindo isso? Quaisquer pensamentos e perguntas....

1) Não é alienígena. Mas este problema é muito menos relevante em comparação com outros métodos de otimização/treinamento NS.

2) Não houve nenhum tópico de discussão especificamente no meu algoritmo. Respondemos aqui a algumas perguntas.

 
Redes Neurais Artificiais e Algoritmos Genéticos Curso de treinamento avançado de curta duração
e algoritmos genéticos".

As aplicações para cursos de treinamento avançado de curto prazo "Redes Neurais Artificiais e Algoritmos Genéticos" estão fechadas
Redes Neurais Artificiais e Algoritmos Genéticos",
conduzido pelo Departamento de Educação Continuada da Universidade Estadual de Moscou M.V. Lomonosov
V.V. Lomonosov Universidade Estadual de Moscou, com base no Instituto de Pesquisa Nuclear da Universidade Estadual de Moscou
Universidade Estadual de Moscou. Os concluintes dos cursos recebem um certificado estadual de treinamento profissional avançado.
certificado estadual de treinamento avançado.
Os treinamentos serão realizados duas vezes por semana à noite, a partir das 19h00.
As aulas começam em 25 de fevereiro de 2011.

Para saber mais sobre o programa do curso, obtenha mais informações e
Favor clicar aqui para se candidatar ao curso:
http://www.neuroproject.ru/kpk.php
 
lasso:

no ponto 3, se o entendi corretamente, no anexo.

para o item 4, não consigo encontrar nada no manual, vou continuar cavando, mas acho que a distribuição é uniforme em uma faixa de valores, por exemplo [-1;1].

Sim.

% correto - isto está na amostra de treinamento ou na amostra de teste?

E outra pergunta: você não acha que para um classificador de rede 1 a entrada é, de alguma forma, bastante... não é suficiente?

 
Figar0:

E presumo que isto seja sobre o período de treinamento? FANN?


1. Sim, aqui é FANN.

2. Não, estes são os resultados OOS dos mesmos NS treinados sob as mesmas condições, nos mesmos OPs.

 
alsu:

Sim.

% correto - isso está na amostra de treinamento ou na amostra de teste?

E outra pergunta: você não acha que para uma rede classificadora 1 a entrada é um pouco... não é suficiente?


)) Obrigado por sua consideração.

1. a % correta está na amostra de teste. No contexto deste TS -- 57% é bom, 60% é muito bom, 65% ou mais é excelente.

2. Por que não o suficiente? O suficiente é suficiente. Se eu posso dividir estes dados (com dimensão=1) em classes por métodos lineares ou visuais, por que não posso reproduzir isto consistentemente com NS?

...............

Agora tentei classificar os exemplos de treinamento (TS) apresentados com uma rede neural probabilística (PNNS).

Captou empiricamente o coeficiente de suavização = 0,05.

Em seguida, a re-treinou repetidamente. Os resultados são estáveis e não mudam de treinamento para treinamento.

Se isso for verdade, surge uma nova questão, como transferir o VNS para uso com a FANN?

 
VladislavVG:

Quanto à SVM:

Este medod sempre encontrará um único plano divisor ....

Boa sorte ....

Vladislav, obrigado pelo método sugerido.

Aqui está um trecho da descrição:

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.

Este é um pré-requisito para este método?

Afinal, em meus OP, as aulas são muito confusas:

E a dimensionalidade dos meus POs igual a 1 também, pois entendo que não funciona para o lado positivo:

Стоит отметить, что если исходное пространство имеет достаточно высокую размерность, то можно надеяться, 
что в нём выборка окажется линейно разделимой.


=====================================================

Se você já está usando este método, talvez você possa tentar dividir meus dados?