My C# 프로그램은 교육 및 테스트 데이터를 생성합니다. Wealth GUI에서 Back Propagation Neural Network/Multilayer 퍼셉트론을 사용해야합니다. 분류는 &입니다. 현재 테스트 데이터를 수동으로 공급하고 있습니다. 내 C# 프로그램에서 테스트 데이터를 생성하므로 weka의 Multilayer 퍼셉트론에 자동으로 제공되
그래서 나는 AND, OR, NOT 및 XOR을 배우는 데 성공한 다층 신경망을 보유하고 있습니다. 전 전파로 의심 스럽습니다. 나는 시그 모이 드 함수를 사용하고 , 그래서 이런 식 오류의 기울기를 결정하기 : (대상 - 출력) * 출력 * (1 - 출력은) 하지만 내 질문은, 경우 1의 목표가 있고 출력이 0 인 경우 (1 - 0) * 0 * (1 -
내 모델에 역 전파 알고리즘을 사용하고 있습니다. 그것은 단순한 xor 케이스를 완벽하게 작동시키고, 실제 데이터의 더 작은 하위 세트를 테스트했을 때 유용합니다. 총 3 개의 입력과 하나의 출력 (0,1,2)이 있습니다. 데이터 세트를 학습 세트 (약 5.5k에 해당하는 80 %)와 나머지 20 %를 유효성 검사 데이터로 분할했습니다. 필자는 델타 가중치
Visual Studio에서 aforge 프레임 워크를 사용하고 있습니다. 오류는 없지만 출력이 잘못 표시됩니다. 내 코드; public void btn_hesapla_Click(object sender, EventArgs e)
{
double girdi;
girdi = Convert.ToDouble(txt_girdi.Te
시간적 차이 학습에 관한 논문과 강의 (일부는 TD-Gammon에 대한 Sutton 튜토리얼과 같은 신경망 관련)를 읽었지만 방정식을 이해하는 데 어려움을 겪고 있습니다. , 나는 나의 질문으로 이끌었다. - 예측값 V_t는 어디서 오는가? 그리고이어서 V_ (t + 1)을 어떻게 구할 수 있습니까? - TD를 신경망과 함께 사용할 때 정확하게 전파 되나요
신경망을 연구하는 프로그램을 개발 중입니다. 이제는 데이터 세트를 3 세트 (교육, 유효성 검사 & 테스트)로 나누는 차이점을 이해합니다. 내 네트워크는 데이터 세트 및 문제에 따라 단 하나의 출력 또는 다중 출력 일 수 있습니다. 학습 알고리즘은 역 전파입니다. 그래서 문제는 기본적으로 각 오류 및 계산 방법과 혼동됩니다. 교육 오류는 무엇입니까? MSE