Я пытаюсь выяснить, создаю ли я искусственную нейронную сеть, используя функцию активации сигмоида и правильно использую предвзятость. Я хочу, чтобы один смещающий узел вводил все скрытые узлы со статическим выходом -1 в сочетании с его весом, а затем один на выходе выводил также статический вывод -1 в сочетании с его весом. Затем я смогу обучать эти предвзятости точно так же, как я бы тренировал другие нейроны, правильно?Сигмоидная активация нейронных сетей с изменениями смещения
ответ
Это правильное рассуждение, однако это довольно редко, чтобы установить значение «-1» (почему не +1?), Я никогда не видел это раньше в литературе. Если вы поддерживаете правильную структуру графика, то нет никакой разницы между обновляющими весами для «реальных» узлов и «узлов смещения». Единственное различие может возникнуть, если вы не храните структуру графа, и поэтому вы не «знаете», что смещение (связанное с выходным узлом) не имеет «детей», и поэтому сигнал не «обратно размножается» глубже в сеть , Я видел такие коды, которые просто хранят слои как массивы и помещают смещения в индекс 0, чтобы они могли перебирать 1 во время обратного распространения. Очевидно, что реализация на основе графов является гораздо более читаемой (однако гораздо медленнее, поскольку вы не можете векторизовать свои вычисления).
Хороший пункт о backprop, нуждающемся в специальном обходе для узлов смещения. – lmjohns3
- 1. Смещение смещения нейронных сетей в MATLAB
- 2. Номера выходных нейронных нейронных сетей> 1
- 3. Изменение свойств ввода для нейронных сетей (регрессия)
- 4. Уникальность нейронных сетей
- 5. Сброс расходящихся нейронных сетей
- 6. Проектирование нейронных сетей
- 7. Фингерпринт нейронных сетей
- 8. Программирование нейронных сетей с Python?
- 9. Проект нейронных сетей?
- 10. Прототипирование нейронных сетей
- 11. Преобразование вводов нейронных сетей
- 12. Простой сверточных нейронных сетей код
- 13. Правильность нейронных сетей
- 14. Когда прекратить обучение нейронных сетей?
- 15. Сокращение прогнозов регрессии нейронных сетей
- 16. сверточных нейронных сетей - Визуализация веса
- 17. Оценка и топология нейронных сетей
- 18. Набор нейронных сетей в R
- 19. Руководство по разработке нейронных сетей
- 20. Внедрение нейронных сетей в MATLAB
- 21. Использование нейронных сетей без обучения
- 22. Преимущества и недостатки нейронных сетей
- 23. Большие выходы для нейронных сетей
- 24. Внедрение реализации классификатора нейронных сетей
- 25. Обращаясь к цели нейронных сетей
- 26. Обнаружение уровня с помощью нейронных сетей
- 27. TensorFlow - классификация текста с использованием нейронных сетей
- 28. регрессия нейронных сетей с использованием pybrain
- 29. классификация временных рядов с использованием нейронных сетей
- 30. Обнаружение связей с использованием нейронных сетей
Вероятно, вы должны попросить об этом в [Cross Validated] (http://stats.stackexchange.com/) –