숨겨진 계층 (백 프레젠테이션 네트워크)에 대한 뉴런 수를 어떻게 선택합니까? 숨겨진 뉴런 수를 선택하는 데 어려움이 있습니까? 일부 논문에서는 (no_input_neurons * no_output_neurons)의 제곱근과 거의 같아야한다는 것을 알게되었습니다. 그러나 그것은 나를 위해 작동하지 않았다. 뉴런을 선택하고 시험하는 방법인가요? 저는 TIC-
다음은 this article입니다. 기사를 사용하여 로직을 이해하고 있지만 structs을 사용하여 다르게 구현했습니다. 문제가 문제는 원하는 출력으로 수렴되지 않는다는 것입니다. 나는 내가 원하는 결과를 얻지 못한다. 즉, 가중치가 올바르게 업데이트되지 않습니다. 충분히 많은 시간 동안 네트워크를 훈련 시키면 출력이 변경되지 않습니다. 즉, 가중치가 갱
여기선 경험이 많은 사용자 중 일부가 나에게 도움이되기를 바랍니다. 2 개의 입력, 2 개의 숨겨진 노드 및 1 개의 출력으로 신경망을 구현 중입니다. 나는 숨겨진 레이어와 출력 모두에서 시그 모이 드 활성화 함수를 사용했으며 이전 전파를 사용하고 있습니다. 나는 이론을 올바르게 이해하고 있음을 확신한다. 그라디언트를 계산하고 가중치와 편향을 업데이트하는
단일 출력 단위 (바이너리 분류)로 MLP의 간단한 구현을 작성했습니다. 교육용으로 필요하기 때문에 기존 구현을 사용할 수 없습니다. ( 작업 더미 모델을 만들고 관리 기능을 구현했지만 MLP가 수렴하지 않습니다. 실제로 출력 단위에 대한 그래디언트는 높게 유지됩니다. 신 (新) 시대에 걸쳐, 그래서 그것의 무게는 무한대에 접근 내 구현 :. import
파이썬에서 numpy를 사용하여 역 전파 알고리즘을 구현하려고합니다. 나는 this site을 사용하여 역 전파의 행렬 형식을 구현했다. XOR에서이 코드를 테스트하는 동안 수천 번의 반복 실행을 거친 후에도 네트워크가 수렴하지 않습니다. 나는 일종의 논리 오류라고 생각합니다. 나는 누군가가 기꺼이 그것을 살펴볼 수 있다면 매우 감사 할 것입니다. 완벽하게
Java를 사용하여 신경망 백 프로 퍼 게이트를 구현하려고했지만 이미 코드를 작성했지만 그 결과가 만족스럽지 않습니다. 오류가 너무 느리게 감소하고 있습니다. epoch:1 current error:0.5051166876846451
epoch:2 current error:0.4982484527652138
epoch:3 current error:0.4
현재 복소 신경 신경 회로망 (CVNN)에 대한 학부 논문을 진행하고 있습니다. 내 주제는 을 기반으로합니다. 실제 가치가있는 분류 문제에 대한 단일 계층 복소수 신경망 .I는 아래에 주어진 데이터 집합 분류 그라데이션 하강 학습 규칙을 사용하고 있습니다 : 이 Data Set 내가 여기에 사용alogorithm는 페이지에서 볼 수 있습니다 복잡한 가치를
인터넷을 통해 많은 검색을했는데 결론적으로 왜 우리는 backpropagation 알고리즘의 각 레이어에서 가중치를 사용합니까? 나는 가중치가 이전 레이어의 출력에 곱 해져서 다음 레이어의 입력을 얻는다는 것을 알고 있지만 왜 이러한 가중치가 필요한지 이해할 수 없습니까? 제발 도와주세요 감사 방주
신경망에서 피팅을 피하기 위해 조기 정지 방법을 사용하고 싶습니다. 나는 60-20-20 (60)에 내 데이터 집합을 구분 한 - 교육 (20) - 검증 20 세트 - 테스트 초기 정지를 구현하는 동안 나는 의심의 여지가 을 설정합니다. 훈련 세트를 사용하여 1 에포크의 가중치를 업데이트합니다. 교육 세트를 사용하여 네트워크에서 오류가 발생했습니다. 유효성
재무 예측 응용 프로그램을 만들고 싶습니다. 이러한 응용 프로그램은 백 프로 모션 알고리즘을 구현합니다. 이 예제에서는 XOR을 예제로 사용하고 있습니다. 나는 입력, 바이어스, 출력에 최상의 가중치를 찾고 싶다. 나는 끝냈다. 그러나 ptpteenth 반복에서, 숨겨진 출력 및 바이어스 가중치에 대한 가중치의 곱셈은 숨겨진 출력 가중치 = -5.92878