Olasılıksal sinir ağı - sayfa 3

Yeni yorum
 
joo >> :

Sadece ne ve nasıl yapılacağını açıklayın. Dolduracağım, bitirdiğimde abonelikten çıkacağım.



Bu kütüphane ne kadar büyük?

http://narod.yandex.ru/

 
gumgum >> :


Bu kütüphane ne kadar büyük?

http://narod.yandex.ru/

Yaklaşık 700mb

 
joo >> :

1) Ben de mesele öğretmende dedim.

2) Hmm, MLP'de ağın her bir nöronu için aktivasyon fonksiyonunu kullanmayı kim yasaklıyor? Aksine, aktivasyon fonksiyonundaki eğrilik katsayısı (aktivasyon fonksiyonu) tüm ağlar ve tüm nöronlar için aynı olduğundan, şekli s şeklindeki mantıksal bir adımdan düz bir çizgiye kadar değişebilir.

3) Öyleyse, bahçeyi çitle çevirmemelisiniz.

4) Söylediklerimle çelişmiyor

5) Kitap otoritelerini körü körüne takip ediyor ve kendi araştırmanızı yapmıyor musunuz? Boşuna. Burada fantezi uçuşu için sınırsız bir alan var ve genellikle birbiriyle çelişen kitap konseptlerini takip ederseniz, çok önemli olanları gözden kaçırma olasılığınız yüksek .... hmm, genel olarak, çok şey kaybedersiniz.


Genel olarak, buna ne derseniz deyin, nöronun lineer olmayan dönüşümünün özü bundan değişmeyecektir.


Bu sunumla, mimarisi açık bir şekilde formüle edildiğinden artık MLP'den değil, backprop öğrenme yöntemine sahip çok katmanlı ağlardan bahsediyorsunuz. Katmanları ve aktivasyon fonksiyonlarını istediğiniz gibi karıştırabilirsiniz.

Çıktıda elde ettiğiniz şeyi nasıl yorumlayacağınız aşağıda açıklanmıştır? Burada, NS patlamasının şafağında olan bir benzetmeyle dilimde dönen bir hikayem var. DARPA, nesne tanıma için NS'nin geliştirilmesini finanse etti, milyonlarca harcadı, (üzgünüm milyonlarca hibede ustalaştı) yaptı, ağa yerdeki tankları tanımlamayı öğrettiler;) öğrettiler ... kendilerini yabancılardan mükemmel bir şekilde ayırt ettiler, 99 ,99%. Test örneğinde bir hata ;) Neredeyse her şeyin yolunda olduğunu bildirdi... Genelde birileri sistemi diğer arazi ve hava koşullarına göre çekilmiş fotoğraflar üzerinde test etmeyi düşündü... %15 başarılı tanımlama nesneleri. :) Analizden sonra, sistemin fotoğrafların çekildiği alan üzerinde bulunan bulut türlerini başarılı bir şekilde tanımladığı ortaya çıktı.


İşte neden bu kadar çok NS modeli var sorusunun cevabı. Hemen hemen tüm modeller, çözüm setinin çok dar bir bölümünde belirli görevlere uyarlanmıştır. NS'yi doğrusal olmayan denklemlerin parametrik bir sistemi olarak düşünürsek. Ve araştırma, bir kavram çerçevesinde yapılmalıdır, aksi takdirde bu bir "matematiksel dürtme yöntemidir" ...

 
rip >> :

Bu sunumla, mimarisi açık bir şekilde formüle edildiğinden artık MLP'den değil, backprop öğrenme yöntemine sahip çok katmanlı ağlardan bahsediyorsunuz. Katmanları ve aktivasyon fonksiyonlarını istediğiniz gibi karıştırabilirsiniz.

Çıktıda elde ettiğiniz şeyi nasıl yorumlayacağınız aşağıda açıklanmıştır? Burada, NS patlamasının şafağında olan bir benzetmeyle dilimde dönen bir hikayem var. DARPA, nesne tanıma için NS'nin geliştirilmesini finanse etti, milyonlarca harcadı, (üzgünüm milyonlarca hibede ustalaştı) yaptı, ağa yerdeki tankları tanımlamayı öğrettiler;) öğrettiler ... kendilerini yabancılardan mükemmel bir şekilde ayırt ettiler, 99 ,99%. Test örneğinde bir hata ;) Neredeyse her şeyin yolunda olduğunu bildirdi... Genelde birileri sistemi diğer arazi ve hava koşullarına göre çekilmiş fotoğraflar üzerinde test etmeyi düşündü... %15 başarılı tanımlama nesneleri. :) Analizden sonra, sistemin fotoğrafların çekildiği alan üzerinde bulunan bulut türlerini başarılı bir şekilde tanımladığı ortaya çıktı.


İşte neden bu kadar çok NS modeli var sorusunun cevabı. Hemen hemen tüm modeller, çözüm setinin çok dar bir bölümünde belirli görevlere uyarlanmıştır. NS'yi doğrusal olmayan denklemlerin parametrik bir sistemi olarak düşünürsek. Ve araştırma, bir kavram çerçevesinde yapılmalıdır, aksi takdirde bu bir "matematiksel dürtme yöntemidir" ...

Pekala, size söylüyorum, bu ustanın işi, buna nasıl denir. Bu yaklaşımla, NN'nin türlere göre katı bir şekilde farklılaştırılmasıyla, temel parçacıklar "nöron"a dayalı keyfi olarak karmaşık sistemler oluşturmak imkansızdır. Bu nedenle, belirli ağ türlerinde döngülere girmemeyi de önerdim.

Ve ben hiç backprop kullanmıyorum. Ağ komiteleri oluşturmanıza izin vermez, keyfi yapılandırma ağları oluşturmanıza izin vermez.

 
joo bu kitap yığınını bir dosya barındırma hizmetine yükleyecek misin?
 
gumgum >> :
joo вы закините на файлообменник эту кучу книг?

Evet, nasıl yapılacağını bana popüler olarak açıklarsanız. Bu güne kadar ftp'ye yüklemeye hiç karışmadım, yandex'te işe yaramadı.

 
joo >> :

Evet, nasıl yapılacağını bana popüler olarak açıklarsanız. Bu güne kadar ftp'ye yüklemeye hiç karışmadım, yandex'te işe yaramadı.


Böylece sadece şimdi kayıtlı kişiler üzerinde! işte http://narod.ru/disk/18186702000/NejronnyeSeti.djvu.html testi.

orada 5 Gb'a kadar

 
gumgum >> :


Nasıl oldu da şimdi insanlara tescillendi! işte http://narod.ru/disk/18186702000/NejronnyeSeti.djvu.html testi.

orada 5 Gb'a kadar

Bilmiyorum, gönderim gönderme anında durdu ve hepsi bu.

 
joo >> :

Bilmiyorum, gönderim gönderme anında durdu ve hepsi bu.


Köknar iğneleri. Başka bir servis arayacağım.
 
gumgum писал(а) >>

Köknar iğneleri. Başka bir servis arayacağım.

dosya barındırma seçeneği olarak - Google'da bir posta kutusu oluşturun. artık toplam hacmi bir gigabayta kadar olan her türden dosyayı "belgelere" yükleyebilirsiniz. her dosyanın boyutu - hatırlamıyorum. veya 150 veya 200 metre. sonra dosya erişimine izin verebilirsiniz...

1234567
Yeni yorum