一个概率论的神经网络
1)Вероятностная нейронная сеть. Как функционирует(не пойму).
2)Как настроить веса и т.д. Везде поверхостное описание. Можете рассказать мат. аппорат.
1）概率神经网络（PNN）与多层透镜（MLP）相同。
1) Вероятностные нейронные сети (PNN) есть тоже самое, что и многослойный персептрон (MLP).
3) Вообще, это многообразие сетей лишь запутывает. На самом деле, сети делятся:
а) по количеству скрытых слоев
б) по топологии связей, звездообразные, решетка (и др. какие взбредут в голову)
в) по типу активационной функции в нейронах
г) С обратными связями или без, с гибридными связями.
Вот у нас есть образцы n из A и k из B. каждый обр. обладает z кол-вом параметров. Появляется неизвестный элемент и нам надо его отнести к А или B. Ну и как? Евклидово расстояние брать?
在2个词中。
在一个给定的点（可识别的矢量），径向函数（潜力）的活动被加总，首先在A类上加总，然后在B类上加总，关于可识别的矢量属于哪一类的结论是通过比较加总得出的（谁大谁赢）。
2 玖。
概率网络和MLP是非常不同的。总之，它们背后的原理是不同的。
另一点是，我也不建议用不同的网格来烦扰，所有需要的东西都是用普通的MLP挤出来的。
У Вас задача классификации.
Для обучения сети используются примеры, ответ на который либо 1, либо -1 (принадлежность к А или В)
В качестве активационной функции нейронов используем сигмоиду
Имеет вид:
Скажем, к пространству А относятся все ответы 1, а к пространству В все ответы -1. Причем, эти пространства необязательно разделены четкой прямой линией (может быть и кривая)
Все ответы точно не попадающие ни в А ни в Б по имеющимся признакам (читаем - входные данные) будут расположены сеткой в пространстве -1...1
с вероятностью такой:
PS Вы же это знали, не так ли?
2 joo:
Вероятностная сеть и МЛП очень сильно различаются. Во всяком случае принцип у них заложен разный.
Другое дело что я тоже не рекомендую заморачивать на разных сетках, всё что нужно выжимается из обычного МЛП.
这个问题是关于伴侣的。差异是由教师决定的。PNN有-1和1的答案，两者之间的一切是类成员的概率，而MLP（MNN）在整个区间有-1和1的答案。区别只在于教师（学习的控制数据），而网络是相同的。
Вопрос был про мат аппарат. Различия у них по учителю. У PNN ответы -1 и 1, все что между ними - вероятность принадлежности к классу, а у MLP (MNN) ответы на всем промежутке -1 и 1. Разница только в учителе (контрольные данные для обучения), а сети одни и те же.
这不仅仅是老师的问题。原则是不同的。MLP画线（超平面），概率论画圆（超球）。
举一个简单的例子。
线性感知器只是画了一条线，仅此而已，其线是无限的。
而这两类人的潜力值几乎都是零。有什么区别吗？
例子。
需要组织一个分类，不管是男性还是女性。
有这样的标志，标志的数量与输入层的神经元数量相对应
1.存在/不存在主要性征。
2.存在/不存在第二性征
3.头发的长度
4.臀部宽度
5.肩部的宽度。
6.四肢有毛发。
7.妆容的存在。
对-1...1范围内的特征进行编码。
在教授100%属于性别的特征时，要出示网状物。答案是-1和1。
性状的组合将给出非 "模糊的答案"，例如（-0,8）将对应于80%的女性概率。
一个概率性的神经网络。它是如何运作的（不明白）。如何调整砝码等。无处不在是一种空间描述。你能告诉数学仪器。