sergeev >> :
我不希望这个话题简单地进入神经网络话题的统计中。
我提议分享非标准神经网络架构的 工作和训练方面的经验和问题。
这里是第一个理论链接
http://cgm.computergraphics.ru/content/view/62
或pdf文件
在神经网络方面,我是和Heikin一起长大的。我一开始就告诉你,这本书并不容易。你必须非常擅长数学,而且你必须以大写字母 "T "来命名。
此外,我想说的是,即使在这本来自知名出版社的书中,也有很多错误。他们是否在其中是偶然的,是第三个问题。
关于神经网络,最好是在原件中阅读。而这是英语...
标题与内容有些不相符。链接中描述了几个典型的(标准的)网络隐喻,只有一段关于混合隐喻的内容,说所描述的一切都可以结合起来。就是说,没有任何混合或非标准的东西。这个新话题的意义何在?
这很奇怪,要么是几乎没有人对它感兴趣,要么是每个人都醉心于自己的东西,没有人愿意分配这个地方。
更可能是第二种)
有人试图使用基于模糊逻辑的混合网络。它仍在完善之中。
sergeev >> :
我邀请你分享你在工作和学习中的经验和挑战非标准的神经网络架构....
现在不是开始分享经验的时候吗?
IlyaA >> :
先生们,用反向传播算法训练我的感知器。它是有效的,但找到全局极值的概率是50%-70%(来自100个神经元)。最近我完成了为XORa写的遗传学 - 我很高兴。但当平均感知器成倍增长并开始交配时,我意识到如果没有并行计算,我会坐上一个月的时间!"。谁克服了这种限制?
先生们,用反向传播算法训练我的感知器。它是有效的,但找到全局极值的概率是50%-70%(来自100个神经元)。最近我完成了为XORa写的遗传学 - 我很高兴。但当平均感知器成倍增长并开始交配时,我意识到如果没有并行计算,我会坐上一个月的时间!"。谁克服了这种限制?
你到底在说哪种限制?
joo >> :
时间限制。
你说的是什么样的限制?
我不希望这个话题简单地进入神经网络话题的统计中。
我提议分享非标准神经网络架构的 工作和训练方面的经验和问题。
这里是第一个理论链接
http://cgm.computergraphics.ru/content/view/62
或pdf文件