1

Neurons、Percepton、MultiLayerPerceptronの概念に関するオンラインチュートリアルを読んでいます。それでは、私自身の例でこの概念を実装したいと思います。私がやりたいのは、次の単純なアルゴリズムをネットワークに実装することです。

4つの浮動小数点数があると仮定するminus1とplus1、、、minus2plus2 

if (minus2>plus2) and (minus1<plus1) then return 1
else if (minus2<plus2) and (minus1>plus1) then return -1
else return 0

しかし、ここに私の懸念があります：

  1. 63.8990、-165.177、1.33001、または0.98401の番号をネットワークに供給するにはどうすればよいですか？

  2. 4つの数値があるので、どのように入力の数を選択する必要がありますが、4つの入力だけを使用するか、最初にすべてをビットに変換して、関連するビットの数に応じて入力の数を選択するかがわかりません。

  3. 3種類の出力（1、-1,0）を考慮すると、出力層に3つのニューロンが必要であり、それぞれが特定の種類の回答を表すか、ネットワークをトレーニングして、それぞれの種類の回答を個別に学習する必要があります（最初の1つは1つ）。ネットワーク、2番目の場合は-1、最後の場合は0）？

よろしくお願いします。よろしくお願いします。

ステファン

4

2 に答える 2

1

1）NN（ニューラルネットワーク[またはパーセプトロン]）にフィードするために使用する数値の種類が重要かどうかはわかりません。これは、4 つの入力ノードが符号付き浮動小数点数 (または利用可能な場合は符号付き Decimal) を受け入れるようにすることができるということです。入力に加重値を掛けると、NN 内でとにかく float または decimal 値を取得する可能性が高くなります。

2) 一般的に、4 つのデータ ポイントがあるため、NN への 4 つの入力が良い出発点であると言えます。

3) 出力に関しては、NN 全体に対して 1 つの出力ノードを持つことは完全に可能です。この設計を使用するには、NN からの最終出力を使用可能な値に変換するしきい値関数が必要です。あなたの例では、-0.5 未満のものはすべて -1 として分類し、-0.5 から +0.5 の間の出力は 0 として分類し、+0.5 を超えるものは 1 として分類することをお勧めします。

例えば

Value           | Output
----------------|----------
< -0.5          | -1
-0.5 < x < +0.5 | 0
x > +0.5        | +1
于 2011-01-06T17:52:51.317 に答える
1

質問は少し漠然としています。私はそれを次のように解釈します。

ニューラル ネットワークを使用して関数f(m1, p1, m2, p2)(その節で指定された定義)を実装しようとしています。if

(1) については、ネットワークをどのように表現しているかを考慮する必要があります。これは、使用しているネットワークの種類によって影響を受けます。

(2) の場合、ネットワークをトレーニングするには、真の値 (つまり のインスタンス) を使用する必要がありますm1, p1, m2, p2, and f(m1, p1, m2, p2)。

(3) の場合、実際には 3種類の出力はありません。むしろ、3 つの可能な出力があります。もちろん、特定の出力が答えである場合に応答するように 3 つのネットワークをトレーニングすることは可能ですが、(適切なタイプのネットワークを使用して) 1 つの出力を持つネットワークで同じことを達成することもできます。

于 2010-12-11T01:21:28.530 に答える