인공 신경망 백 전파 테스트

Question

코를 골라내어 분류하기 위해 ANN BP 코드를 개발했습니다. 10 개의 입력 기능과 10 개의 뉴런과 하나의 출력 뉴런이있는 숨겨진 레이어가 있습니다. 나는 코 고는 아니요, 코 고는 거는 것을 0으로 표시했습니다. 나는 3000 개의 세그먼트를 가지고 있으며 그 중 2500 개가 1로 표시된 코 고는 세그먼트가 아니며 0으로 표시된 500 개의 코 고는 세그먼트가 있습니다. 이미 세 세트 (70 % 교육, 15 % 유효성 검사 및 15 % 테스트) .

이제 네트워크 교육을하면서 처음에는 훈련 세트를 섞어서 코 고는 거름과 코골이를 함께 섞은 것입니다. 그래서, 네트워크를 훈련 한 후에 (피드 포워드 네트워크만으로) 네트워크를 검증하면 그 중 하나만 분류 할 수 있다는 것을 알았습니다. 훈련 세트에서 마지막 요소가 코 고는 없다고 가정합니다 (1 점). 그래서, 마지막 출력을 위해 네트워크를 훈련 시켰습니다. 그런 다음 유효성 검사 단계에서는 snore 세그먼트 (0 인 경우)에 대해서도 항상 1에 가까운 출력을 제공합니다. 마지막 요소가 코골이 (0)이면 같은 일이 일어납니다. 그런 다음 유효성 검사 단계에서 출력을 항상 0에 가깝게 만듭니다.

이 문제를 어떻게 해결할 수 있습니까? 왜 내 네트워크가 이전 세그먼트에 대한 출력을 기억하지 못했습니다. 마지막 세그먼트 만 저장합니까? 네트워크에서 해결하려면 어떻게해야합니까?

Answer 1

이것은 분류 문제이므로 두 개의 출력 뉴런이있는 것이 좋습니다. 하나의 출력 뉴런은 세그먼트가 코 고는 세그먼트이고 다른 세그먼트가 코 고는 세그먼트가 아닌 경우 -1이고, 코 고는 거지가없는 세그먼트의 경우 그 반대입니다. 이는 네트워크가 두 가지를 모두 분류하는 데 도움이됩니다. 또한 입력 기능을 1에서 -1 사이의 범위로 정규화해야합니다. 이렇게하면 신경망이 입력 내용을 더 잘 이해할 수 있습니다. Softmax 레이어를 출력으로 사용하는 방법을 살펴볼 수도 있습니다.

또 다른 숨겨진 레이어 나 더 많은 뉴런을 현재 숨겨진 레이어에 추가해야 할 수도 있습니다. 이 제안에 대해 감사합니다. @ YuryEuceda. 바이어스 입력이없는 경우 바이어스 입력을 추가해야 할 수도 있습니다.

Answer 2

내가보기에 문제는 숨겨진 계층에 충분한 뉴런과 시냅 시스가 없다는 것입니다. 지금까지는 숨겨진 레이어의 뉴런 수를 정확하게 계산할 수있는 방법이 없으므로 오류 방법론을 사용해야합니다. 당신은 다음 링크에서 확인하실 수 있습니다 많은 경험적인 공식이있다

문제가 u를 찾을 수 있습니다 본 논문에서 숨겨진 레이어 의 수에 https://stats.stackexchange.com/questions/181/how-to-choose-the-number-of-hidden-layers-and-nodes-in-a-feedforward-neural-netw

Answer 3

는 다른 방법 내가 제안 그것을 http://www.ijettjournal.com/volume-3/issue-6/IJETT-V3I6P206.pdf

을 선택합니다 당신 숨겨진 레이어 수 = (입력 수 + 출력 레이서 수) * 2/3