ANN に関する私の最後の講義は少し前でしたが、現在、ANN を使用したいプロジェクトに直面しています。
したがって、基本 - どのタイプ (多層フィードフォワード ネットワーク)、進化的アルゴリズム (プロジェクトによって与えられたもの) によってトレーニングされるか、入力ニューロンの数 (8)、出力ニューロンの数 (7) など - は次のとおりです。設定。しかし、私は現在、使用する必要がある隠れ層の数と、これらの層のそれぞれに含まれるニューロンの数を把握しようとしています (ea はネットワーク自体を変更するのではなく、重みのみを変更します)。
これを理解する方法に関する一般的なルールまたはガイドラインはありますか?
この問題に対する最善のアプローチは、カスケード相関アルゴリズムを実装することです。このアルゴリズムでは、ネットワークのエラー率を下げるために、必要に応じて隠れノードが順次追加されます。これは実際に非常に有用であることが実証されています。
もちろん、別の方法として、さまざまな値のブルート フォース テストがあります。基底関数による高次元空間でのデータの分離可能性に直接取り組んでいるため、「10または20が良い」などの単純な答えは意味がないと思います。
典型的なニューラル ネットワークは、特定の問題の解決策に収束するために隠れ層に依存しています。入出力ニューロンがほとんどないネットワークでは、約 10 個のニューロンからなる隠れ層が標準です。ただし、多くの場合、試行錯誤のアプローチが最も効果的です。ニューラル ネットワークは遺伝的アルゴリズムによってトレーニングされるため、非表示のニューロンの数は、バック プロパゲーションなどのアルゴリズムによって変更されるニューロンの重みとバイアスであるため、特にトレーニングでは重要な役割を果たさない可能性があります。
rcarter が示唆するように、試行錯誤はうまくいくかもしれませんが、別の方法を試すこともできます。
隠れ層の数またはそれらのニューロンの数を決定するために、遺伝的アルゴリズムを使用できます。
ランダム フォレストの束で同様のことを行い、各ツリーに与えられたツリー、ブランチ、およびパラメーターの最適な数を見つけようとしました。