6

フィードフォワード ニューラル ネットワークが与えられた場合、次の方法を実行します。

  1. 入力の順序に依存しないことを確認しますか? たとえば、[0.2, 0.3] を入力すると、[0.3, 0.2] と同じ結果が出力されます。
  2. 入力グループの順序に依存しないことを確認しますか? たとえば、[0.2, 0.3, 0.4, 0.5] をフィードすると、[0.4, 0.5, 0.2, 0.3] と同じ結果が出力されますが、[0.5, 0.4, 0.3, 0.2] とは異なります。
  3. 入力シーケンスの順列が出力シーケンスの順列を与えることを確認してください。たとえば、[0.2, 0.3] が出力として [0.8, 0.7] を与える場合、[0.3, 0.2] は出力として [0.7, 0.8] を与えます。

上記を考えると：

  1. 列車セットがすべての可能な順列をカバーすることを保証する以外に、他の解決策はありますか?
  2. 隠れ層のパリティは何らかの形で制約されていますか (つまり、隠れ層のニューロンの数は奇数または偶数でなければなりません)?
  3. ウェイト マトリックスである種の対称性を探すのも理にかなっていますか?
4

2 に答える 2

0

NNにとっては大変な作業のように見えますが、1.すべての順列を処理する前処理および後処理スクリプトを作成します。可能な限り最も簡単な入力がNNに与えられるようにします。NNを調整する（1つ以上の隠れ層を追加する）よりも、前（後）処理の方が目標を達成するのがはるかに簡単だと思います。

2＆3 NNは通常、ブラックボックスとして認識されます。それはあなたがそれを訓練し、入力と出力だけを分析することを意味します。ほとんどの場合、それが内部でどのように機能しているかを理解しようとすることは意味がありません（時間のかかる）（もちろん、機能的なNNがあり、知識をマイニングしたい場合など、いくつかの例外があります-しかし、私が言ったように-それ時間がかかります）。

一般に、層ごとの隠れニューロンの数に関する制約はありません。また、ウェイトマトリックスで対称性を探すことは、知識を見つけようとしない限り意味がありません...

于 2013-03-06T09:41:32.603 に答える