5

私はニューラル ネットワークを使っていくつかの研究を行ってきましたが、その概念と理論は全体として理解できます。まだ答えを見つけることができていない 1 つの疑問は、ニューラル ネットワークで使用するニューロンの数です。適切で効率的な結果を達成するため。隠れ層、隠れ層ごとのニューロンなどを含めます。より多くのニューロンが必然的により正確な結果をもたらしますか(システムへの負担は大きくなります)、それともより少ないニューロンでも十分でしょうか? それらの数を決定するのに役立つ何らかの管理規則はありますか? ニューラルネットに実装されているトレーニング/学習アルゴリズムのタイプに依存しますか? ネットワークに提示されているデータ/入力のタイプに依存しますか?

質問への回答が簡単になる場合は、トレーニングと予測の主な方法としてフィードフォワードとバックプロパゲーションを使用する可能性が高くなります。

余談ですが、一般的に「最良/最も実用的」に格下げされる予測アルゴリズム/発火ルールまたは学習アルゴリズムはありますか、それともネットワークに提示されるデータの種類にも依存しますか?

ご意見をお寄せいただきありがとうございます。いつも感謝しています。

編集: C# タグに関しては、これがニューラル ネットワークをまとめる言語です。その情報がまったく役立つ場合。

4

2 に答える 2

3

私は大学で AI / NN を専門としており、ゲーム向けに AI / NN に取り組んだ経験があります。ただし、各 NN は、選択した環境で最適に機能するように調整する必要があることに注意してください。(可能性のある解決策の 1 つは、プログラムを何千もの異なる NN に公開し、パフォーマンスのテスト可能な基準を設定し、遺伝的アルゴリズムを使用して、より有用な NN を伝播し、あまり有用でない NN を選別することですが、それはまったく別の非常に大きな投稿です... )

私が見つけた - 一般的に

  • 入力層 - 入力ベクトルごとに 1 つの AN + 1 つのバイアス (常に 1)
  • 内層 - 入力層を 2 倍にする
  • 出力層 - アクションまたは結果ごとに 1 つの AN

例: 文字認識

  • 文字認識のために 10x10 グリッドを調べている場合。
  • 101 入力 AN から開始 (各ピクセルに 1 つ、さらに 1 つのバイアス)
  • 202 インナーAN
  • および 26 個の出力 AN (アルファベットの各文字に 1 つ)

例: ブラックジャック

  • 「ブラックジャックで勝つ」ための NN を構築している場合。
  • 16 の入力 AN から開始します (カードの出現ごとに 13、プレーヤーの手の値に 1、ディーラーの「アップカード」に 1、バイアス 1)。
  • 32 インナー AN
  • および 6 出力 AN (「ヒット」「ステイ」「スプリット」「ダブル」「サレンダー」「インシュアランス」用の 1 つ)
于 2012-06-25T17:11:55.227 に答える