machine-learning - ニューラル ネットワーク分類器

Question

任意の構成で、1D 空間に 2 つの要素を持つ 2 つのクラス A と 1 つの要素を持つ B がある場合。タスクは、2 つのクラスを区別して分類することです。任意の活性化関数を選択できる場合、これを解くことができるニューロンの最小数はいくつですか。

常に少なくとも 2 つのニューロンを使用する必要があると思いますか、それとも間違っていますか?

Answer 1

あなたの質問は、パーセプトロンの古典的な XOR 問題に多少関連しています。少しの間、パーセプトロンが持つ特定の活性化関数 (バイナリしきい値) を持つニューラル ネットワークに関するものであると仮定しましょう。次に、タスクは1D XOR問題に変わります。実際、それを解決するには、隠れ層に2つのニューロン、出力層に1つのニューロンが必要です。しかし、あなたは、任意の活性化関数を選択できると述べています。この場合、動径基底関数を選択できます(RBF) ネットワーク。クラス A を T より大きい出力値として、クラス B を T より小さい出力値として表すことができる場合、クラスを区別するには 1 つの RBF ニューロンだけで十分です。すべてのクラスに独自の出力 (対応するクラスに属する入力データの確率尺度として扱うことができる値) が必要な場合は、2 つの RBF ニューロンが必要です。