백 프로게션은 패턴 당 가중치 당 dW (weight delta)을 계산하므로 확률 론적 훈련을 수행 할 때 쉽게 가중치를 수정하는 방법입니다. 하지만 배치 교육에 어떻게 사용합니까? 전체 트레이닝 세트에 dW을 축적 한 다음 수정을 적용하거나 더 많은 정보가 있습니까?
다중 출력을 갖는 피드 포워드 뉴럴 네트워크를 설계 할 때, 다중 출력을 갖는 단일 네트워크를 갖는 것과 각각 하나의 출력을 갖는 다중 네트워크를 갖는 것 사이에 개념적 차이 (계산 효율성 이외)가 존재합니까? 같은 네트워크의 출력 뉴런은 "즉석에서"서로 영향을주지 않지만 각 출력의 오류가 역 전파되어 숨겨진 레이어의 가중치에 영향을 미치기 때문에 교육에
backpropagation을 사용하여 일기 예보 프로그램을 작성하려고합니다. 나는이 분야의 초보자이다. 온도, 습도, 풍속, 강우량 등 다양한 매개 변수가있는 역사적인 데이터가 있습니다. 이 데이터를 입력 레이어에 제공하는 방법에 대해 혼란스러워합니다. 각 입력 노드에 주어진 날의 전체 데이터가 제공되는지 또는 각 매개 변수에 대해 다른 네트워크가 필요한
첫 번째에 대한 질문) 나는의 처음 C#을 구현했습니다 backpropagation 신경망. 나는 그것을 XOR을 사용하여 테스트했으며 작동하는 것처럼 보인다. 이제 탄력적 인 backpropagation (Rprop - http://en.wikipedia.org/wiki/Rprop)을 사용하도록 구현을 변경하고 싶습니다. 정의는 말한다 : "Rprop 계