Я использую библиотеку neurondotnet для программирования ANN, мой вектор входного слоя 400 , а мой вектор уровня изображения равен 5, а мой пример для обучения - только 28. моя проблема в том, что у меня нет никаких представление о том, как выбрать, сколько скрытого слоя я должен иметь и размер их векторов. может ли кто-нибудь поставить меня в правильном направлении? спасибо.Нейронные сети в NeuronDotNet
ответ
Заканчивать их помощью руководства http://neurondotnet.freehostia.com/manual/design.html
От направляющего
Количества скрытых слоев (в обратном распространении сетей)
обратного распространение сеть без скрытых слоев не может выполнять нелинейную классификацию. (Он не может использоваться как аппроксиматор функции XOR). Таким образом, один скрытый слой является обязательным для сети backpropagation. Кроме того, математически доказано, что для аппроксимации любой функции можно использовать сеть обратного распространения с одним скрытым слоем при соответствующей подготовке. Таким образом, единственный скрытый слой - лучший выбор в большинстве случаев.
Наличие нескольких скрытых слоев ускоряет процесс обучения, а обученная сеть точно соответствует образцам обучения, но не может хорошо выполнить тестовые данные. Этот эффект называется перетренированностью, когда обученная сеть стремится запоминать учебные образцы, а не изучать их.
Я нашел this FAQ, в котором предлагаются некоторые рекомендации по определению того, что делать со скрытым слоем. Они отмечают, в частности,
В большинстве случаев, нет никакого способа, чтобы определить наилучшее количество скрытых единиц без обучения нескольких сетей и оценки погрешности каждого обобщения .
Подробнее: http://www.faqs.org/faqs/ai-faq/neural-nets/part3/section-10.html#ixzz0b0VxJHV1
- 1. Нейронные сети в C# с использованием NeuronDotNet
- 2. Нейронные сети
- 3. нейронные сети в MATLAB
- 4. Свертывающие нейронные сети?
- 5. Многоэтапное прогнозирование Нейронные сети
- 6. нейронные сети предобработки
- 7. Сверторные нейронные сети
- 8. Нейронные сети узнать ограничения
- 9. cs231n Свернутые нейронные сети
- 10. Предпосылки нормальности нейронные сети
- 11. Python: Глубокие нейронные сети
- 12. нейронные сети слепой угадывание
- 13. Нейронные сети RBF
- 14. Нейронные сети - обратное распространение
- 15. Нейронные сети для генерации?
- 16. Tensorflow - повторяющиеся нейронные сети
- 17. Нейронные сети для рубинов
- 18. SOM - нейронные сети
- 19. Многоэлементные нейронные сети
- 20. Нейронные сети в Haskell - советы
- 21. Нейронные сети в Лиспе - советы
- 22. Feed Forward - нейронные сети Keras
- 23. Нейронные сети и обратное распространение
- 24. нейронные сети для применения управления
- 25. Tic Tac Toe Нейронные сети
- 26. Другие входы улучшают нейронные сети?
- 27. Сверточные нейронные сети - несколько каналов
- 28. Нейронные сети и функция XOR
- 29. RSNNS пакет: Периодическая нейронные сети
- 30. Тест на искусственные нейронные сети
Привет, что бы вы хотели ваш ANN делать? 28 может быть довольно низким номером выборки для получения точных результатов. Кроме того, какой тип ANN вы используете? – keyboardP
это обратный алгоритм распространения , а образцы - это 28 буквенных символов указанного шрифта –