混合神经网络。 - 页 19

[RIP]

registred >> :

这是 在大学的第一年。实际上，我在高中时也经历过。唯一重要的是老师，那基本上是网络输出的错误类型。

重要的是问题陈述。我们如何在网络的输出端教授（教师）错误是次要的。

[[删除]]

rip >> :

问题陈述很重要。我们如何训练（教师）网络输出的误差是次要的。

一个学习2+3加法的神经网络将有一个MSE误差。一个学习模式识别的神经网络会有不同的错误。还是你建议用其他术语来解释问题陈述？

[RIP]

registred >> :

一个学习2+3加法的神经网络将有一个MSE误差。一个学习模式识别的神经网络会有不同的错误。还是你建议用其他术语来解释问题陈述？

问题陈述是你想做什么，用一个网络。让我们用一个例子，有一个函数x(t)=4*x(t-1)*(1-x(t-1))。

我们将对t=100,150的值进行近似计算；分别建立一个训练样本和一个测试样本作为训练样本的延伸。

X0=0.2，训练样本-100，项目从1-100。训练的有50个元素，从100到150。

在atcha.rar中，有一些图表。

learning-1.gif - 训练样本

test-1.gif - 测试

learning-2.gif - 训练样本的数值分布

让我们开始训练，分别输入X和期望X+1的输出，网络1-6-1。通过梯度法和自适应步骤进行训练。

因此，训练对{X,D}，其中D=X(t+1)

在培训过程中，我们有

mse: 0.3549103488
时代：3375

error.gif - 错误图形

让我们在测试样本上测试一下

测试错误
mse: 0.7089074281

test-2.gif - 测试图，预期输出数据和网络模型显示的内容。

test-3.gif - 测试样本值的分布图

也就是说，目标已经达到

[gumgum]

如何非线性地调整学习率？

[RIP]

gumgum >> :
如何非线性地调整学习率？

那么在这种情况下，我使用了一个自适应的步骤，它是根据dE/dW来计算的。

[gumgum]

delw=n(DE/DW)这个n如何通过三次方的近似多项式来调整？

[[删除]]

rip，你如何将这个功能应用于外汇？你也在计算MSE吗？

[RIP]

registred >> :

rip，你如何将这个功能应用于外汇？你也计算MSE吗？

不可能的 :)这只是测试功能之一，看看网络是否正常工作。

[[删除]]

rip >> :

不可能的 :)这只是其中一个测试功能，它允许查看网络是否正常工作。

我指的是停止学习的方法。在外汇方面，你用什么标准来衡量？在这个例子中，你使用了均方根误差。

[RIP]

registred >> :

我指的是停止学习的方法。在外汇方面，你用什么标准来衡量？在这个例子中，你使用了均方根误差。

MSE