Вероятностная нейронная сеть - страница 3
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опиши только что и как сделать. Я залью, когда закончу, отпишусь.
Какой обьем занимает эта библиотека?
http://narod.yandex.ru/
Какой обьем занимает эта библиотека?
http://narod.yandex.ru/
Около 700 мб
1) Вот и я говорил, что дело в учителе.
2) Хмм, а кто запрещает использовать для каждого нейрона сети свою ф-ю активации в MLP? Вернее, коэффициент кривизны в ф-и активации, так как она (ф-я активации) у всех сетей и всех нейронов одна и та же, её форма может меняться начиная от логической ступенчатой, s-образной до прямой линейной.
3) Ну вот, а раз так, то и не стоит городить огород.
4) Никак не противоречит сказанному мною
5) Вы слепо следуете книжным авторитетам, и не проводите исследований самостоятельно? Зря. Здесь неограниченное поле для полета фантазии, и, если следовать, часто противоречащим друг другу, книжным понятиям, есть большая вероятность упустить из виду очень важные.... хм, в общем многое теряете.
В общем, как хотите так и называйте, суть нелинейного преобразования нейрона от этого не изменится.
При таком изложении, вы уже говорите не об MLP, так как его архитектура однозначно сформулирована, а о многослойных сетях с backprop методом обучения. Можно микшировать как угодно слоя, и ф-ции активации.
Вот как потом интерпретировать то, что вы получите на выходе? У меня тут на языке крутится одна история, по аналогии, которая была на заре бума НС. DARPA финансировала разработки НС для распознавания объектов, потратили много млн., (извиняюсь более точно освоили млн. гранды) сделали, сеть учили опознавать танки на местности ;) на учили ... свои от чужих отличает великолепно, 99,99%. Ошибка на тестовой выборке ;) Чуть не отчитались что все круто ... В общем, кто-то додумался тестировать систему на фото, сделанные относительно другой местности и погодных условий ... какое было разочарование, когда система показала 10-15% успешной идентификации объектов. :) После анализа, оказалось что система успешно идентифицировала типы облаков, которые были над той местностью где были изготовлены фото.
Вот и ответ на вопрос почему существует, такое кол-во моделей НС. Практически все модели подгоняются под определенные задачи, в очень узком разрезе набора решений. Если рассматривать НС как параметрическую систему не линейных уравнений. А исследования, их надо вести в рамках какой-то концепции, в противном случае это "метод математического тыка" ...
При таком изложении, вы уже говорите не об MLP, так как его архитектура однозначно сформулирована, а о многослойных сетях с backprop методом обучения. Можно микшировать как угодно слоя, и ф-ции активации.
Вот как потом интерпретировать то, что вы получите на выходе? У меня тут на языке крутится одна история, по аналогии, которая была на заре бума НС. DARPA финансировала разработки НС для распознавания объектов, потратили много млн., (извиняюсь более точно освоили млн. гранды) сделали, сеть учили опознавать танки на местности ;) на учили ... свои от чужих отличает великолепно, 99,99%. Ошибка на тестовой выборке ;) Чуть не отчитались что все круто ... В общем, кто-то додумался тестировать систему на фото, сделанные относительно другой местности и погодных условий ... какое было разочарование, когда система показала 10-15% успешной идентификации объектов. :) После анализа, оказалось что система успешно идентифицировала типы облаков, которые были над той местностью где были изготовлены фото.
Вот и ответ на вопрос почему существует, такое кол-во моделей НС. Практически все модели подгоняются под определенные задачи, в очень узком разрезе набора решений. Если рассматривать НС как параметрическую систему не линейных уравнений. А исследования, их надо вести в рамках какой-то концепции, в противном случае это "метод математического тыка" ...
Ну говорю же, дело хозяйское, как называть. При таком подходе, со строгим разграничением NN по типам, пропадает возможность строить сколь угодно сложные системы основанные на элементарных частицах "нейрон". Поэтому, я и рекомендовал не зацикливаться на определенных типах сетей.
А backprop я не использую вообще. Он не позволяет строить комитеты сетей, не позволяет строить сети произвольной конфигурации.
joo вы закините на файлообменник эту кучу книг?
Да, если объясните мне популярно как это сделать. Не разу не занимался заливкой на ftp до сего дня, на yandex не получилось.
Да, если объясните мне популярно как это сделать. Не разу не занимался заливкой на ftp до сего дня, на yandex не получилось.
Как так только сейчас на народе зарегестривовался! вот http://narod.ru/disk/18186702000/NejronnyeSeti.djvu.html тест.
там до 5 Gb
Как так только сейчас на народе зарегестривовался! вот http://narod.ru/disk/18186702000/NejronnyeSeti.djvu.html тест.
там до 5 Gb
Ну не знаю, вовремя отправки передача остановилась и баста.
Ну не знаю, вовремя отправки передача остановилась и баста.
Елки иголки. Поищу другой сервис.Елки иголки. Поищу другой сервис.
как вариант файлообменников - создайте почтовый ящик на гугле. теперь в "документы" можно загружать файлы любого типа общим объемом до одного гига. объем каждого файла - не помню. или 150 или 200 метров. затем можно разрешить доступ к файлам...