脚本形式的神经网络 - 页 12 1...567891011121314 新评论 Neutron 2008.07.02 11:20 #111 TheXpert писал (а)>> 然而，许多问题是用5层perseptron解决的，该定理的存在并不意味着3层perseptron就是万能的。 它简单地说，所有（除了极少数例外）的问题都是由带有一个隐藏层的2层perseptron来解决的！这也是一个很好的例子。是的，关于术语，似乎你把NS的输入节点（那些不包含神经元的节点）算作一个层，而我没有。 哪个更好 -- 使用5-6-6-2网络或5-25-2的3层替代？这么大的数字很可能是为了确保适当的非线性。 我会使用X-Y-1架构--它解决了这个问题。我将通过实验调整隐藏层Y的神经元数量，从2开始，一直到网络的泛化特性不能改善为止。根据我微薄的经验，对于许多实际的实现，这一层有两个神经元就足够了。进一步增加神经元的数量，训练时间就会增加，而且由于突触数量的增加，我们必须增加训练样本或输入维度的大小，这导致 "处理 "无关紧要的信息或恶化NS的近似属性（根据Ezhov，这些属性下降为1/d，其中d是输入的数量）等等，这不是好事。 当然，建立一个十层的perseptron也是可能的，它将会工作......但这有什么意义？ TheXpert 2008.07.02 11:27 #112 Neutron писал (а)>> 简单地说，所有（除了极少数例外）的问题都可以由一个隐藏层的2层perseptron来解决！这就是为什么我们要把所有的问题都放在一个隐藏层上。是的，关于术语，似乎你把NS的输入节点（那些不包含神经元的节点）算作一个层，而我没有。 我会使用X-Y-1架构--它解决了这个问题。我将通过实验选择隐藏层Y的神经元数量，从2开始，直到网络的泛化特性不会改善。根据我微薄的经验，对于许多实际的实现，这一层有两个神经元就足够了。进一步增加神经元的数量，训练的时间就会增加，由于突触数量的增加，我们必须增加训练样本的大小或输入的维度，这导致 "处理 "无关紧要的信息或NS的近似特性的恶化（根据Ezhov，这些特性下降为1/d，其中d是输入的数量），等等，这不是好事。 比方说，我们的输入有10个。隐蔽层中有2个就够了吗？我不相信，这并不是一个相当简单的任务。 关于输入层。有时值得做一个有阈值的输入层，所以最好把它当作另一个层，作为整个系统的一个组成部分。 TheXpert 2008.07.02 11:31 #113 sergeev писал (а)>> 嗯......有什么办法可以总结出这个最佳方案吗。而关于5层和3层的，我也想知道。理论在哪里？ 关于最佳状态--我个人的，也许是错误的经验。关于层数的问题--我在实践中遇到过。这取决于输入-输出转换的非线性，大多数问题可以用3层网络解决。关于理论，对不起，那是很久以前的事了...... Yury Reshetov 2008.07.02 11:33 #114 TheXpert писал (а)>> 然而，许多问题可以通过5层perseptron来解决，该定理的存在并不意味着3层perseptron是万能的。 5-6-6-2网络和3层的5-25-2替换，哪个更好？这样一个大的数字很可能对适当的非线性起作用。 顺便问一下，你知道XORa最相似的架构吗？ 4个神经中枢-乙状结节 对XOR-a有一个分析解决方案。 outXOR = in1 + in2 - 2*in1*in2 其中：in1和in2的输入值从0到1。 收敛是瞬间的。 TheXpert 2008.07.02 11:49 #115 Reshetov писал (а)>> 对于XOR-a，有一个分析解决方案。 outXOR = in1 + in2 - 2*in1*in2 其中：in1和in2的输入值从0到1。 收敛是瞬间的。 大笑，任何函数都有一个分析解决方案，但找到它...有时候，这非常非常困难。 我举这个例子是为了再次说明，3层的perseptron并不总是最佳选择。 Neutron 2008.07.02 12:18 #116 TheXpert писал (а)>>我举这个例子是为了再次说明，3层的perseptron并不总是最佳选择。 这个问题也可以由3层的perseptron解决，神经元中有一个阈值，基于径向函数的NS可以处理这个问题。 一般来说，有许多变体，任务是找到一个适当的变体。 TheXpert 2008.07.02 12:30 #117 Neutron писал (а)>> 这个问题也可以由3层感知器解决，神经元中带有阈值，基于径向函数的NS可以处理。 一般来说，有许多变体，任务是找到一个适当的变体。 >> 谢谢你的照片。 --- 2008.07.02 12:45 #118 请给我这些书。或者作者是谁。 Neutron 2008.07.02 12:52 #119 这是海金公司提供的。详细情况见本专题的前一页。 Sergey Fionin 2008.07.02 13:12 #120 然后有必要确定具体的最小网络配置和所需的最小输入数量。这意味着有必要确定职权范围，然后整个世界都应该认识到，要有一个具体的产品，准备附在图表上，看到结果。我曾在Klot网站上看到过类似的神经指标形式的东西。 http://www.fxreal.ru/forums/topic.php?forum=2&topic=1 1...567891011121314 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
然而，许多问题是用5层perseptron解决的，该定理的存在并不意味着3层perseptron就是万能的。
它简单地说，所有（除了极少数例外）的问题都是由带有一个隐藏层的2层perseptron来解决的！这也是一个很好的例子。是的，关于术语，似乎你把NS的输入节点（那些不包含神经元的节点）算作一个层，而我没有。
哪个更好 -- 使用5-6-6-2网络或5-25-2的3层替代？这么大的数字很可能是为了确保适当的非线性。
我会使用X-Y-1架构--它解决了这个问题。我将通过实验调整隐藏层Y的神经元数量，从2开始，一直到网络的泛化特性不能改善为止。根据我微薄的经验，对于许多实际的实现，这一层有两个神经元就足够了。进一步增加神经元的数量，训练时间就会增加，而且由于突触数量的增加，我们必须增加训练样本或输入维度的大小，这导致 "处理 "无关紧要的信息或恶化NS的近似属性（根据Ezhov，这些属性下降为1/d，其中d是输入的数量）等等，这不是好事。
当然，建立一个十层的perseptron也是可能的，它将会工作......但这有什么意义？
简单地说，所有（除了极少数例外）的问题都可以由一个隐藏层的2层perseptron来解决！这就是为什么我们要把所有的问题都放在一个隐藏层上。是的，关于术语，似乎你把NS的输入节点（那些不包含神经元的节点）算作一个层，而我没有。
我会使用X-Y-1架构--它解决了这个问题。我将通过实验选择隐藏层Y的神经元数量，从2开始，直到网络的泛化特性不会改善。根据我微薄的经验，对于许多实际的实现，这一层有两个神经元就足够了。进一步增加神经元的数量，训练的时间就会增加，由于突触数量的增加，我们必须增加训练样本的大小或输入的维度，这导致 "处理 "无关紧要的信息或NS的近似特性的恶化（根据Ezhov，这些特性下降为1/d，其中d是输入的数量），等等，这不是好事。
比方说，我们的输入有10个。隐蔽层中有2个就够了吗？我不相信，这并不是一个相当简单的任务。
关于输入层。有时值得做一个有阈值的输入层，所以最好把它当作另一个层，作为整个系统的一个组成部分。
嗯......有什么办法可以总结出这个最佳方案吗。而关于5层和3层的，我也想知道。理论在哪里？
关于最佳状态--我个人的，也许是错误的经验。关于层数的问题--我在实践中遇到过。这取决于输入-输出转换的非线性，大多数问题可以用3层网络解决。关于理论，对不起，那是很久以前的事了......
然而，许多问题可以通过5层perseptron来解决，该定理的存在并不意味着3层perseptron是万能的。
5-6-6-2网络和3层的5-25-2替换，哪个更好？这样一个大的数字很可能对适当的非线性起作用。
顺便问一下，你知道XORa最相似的架构吗？
4个神经中枢-乙状结节
对XOR-a有一个分析解决方案。
outXOR = in1 + in2 - 2*in1*in2
其中：in1和in2的输入值从0到1。
收敛是瞬间的。
对于XOR-a，有一个分析解决方案。
outXOR = in1 + in2 - 2*in1*in2
其中：in1和in2的输入值从0到1。
收敛是瞬间的。
大笑，任何函数都有一个分析解决方案，但找到它...有时候，这非常非常困难。
我举这个例子是为了再次说明，3层的perseptron并不总是最佳选择。
我举这个例子是为了再次说明，3层的perseptron并不总是最佳选择。
这个问题也可以由3层的perseptron解决，神经元中有一个阈值，基于径向函数的NS可以处理这个问题。
一般来说，有许多变体，任务是找到一个适当的变体。
这个问题也可以由3层感知器解决，神经元中带有阈值，基于径向函数的NS可以处理。
一般来说，有许多变体，任务是找到一个适当的变体。
>> 谢谢你的照片。
然后有必要确定具体的最小网络配置和所需的最小输入数量。这意味着有必要确定职权范围，然后整个世界都应该认识到，要有一个具体的产品，准备附在图表上，看到结果。我曾在Klot网站上看到过类似的神经指标形式的东西。
http://www.fxreal.ru/forums/topic.php?forum=2&topic=1