neural-network - ニューラルネットワーク近似関数

Question

近似関数としてのニューラル ネットワークの効率をテストしようとしています。

近似する必要がある関数には 5 つの入力と 1 つの出力がありますが、どの構造を使用すればよいですか?

隠しレイヤーの数と各レイヤーのノードの数を決定するために、どの基準を適用する必要があるかわかりません。

よろしくお願いします。

ジュゼッペ。

Answer 1

私は常に単一の非表示レイヤーを使用します。理論的には、1 つでは近似できない 2 つ以上の隠れ層で近似できる関数はありません。1 つの隠しレイヤーをより複雑にするには、隠しノードを追加します。

通常、隠しノードの数を変更して、モデルのパフォーマンスへの影響を観察します (精度などで測定)。非表示ノードが少なすぎると、適合不足により適合が悪化します (ニューラル ネットワークの出力関数が単純すぎて、データの重要な詳細が失われます)。非表示ノードが多すぎると、オーバーフィッティングにより適合が悪化します (ニューラル ネットワークが非常に柔軟になり、データ内のあらゆるノイズを追跡します)。

Answer 2

分類の問題で、凹面ポリゴンを分離する場合は、少なくとも 2 つの隠れ層が必要であることに注意してください。

隠れ層の数が関数近似にどのように影響するかはわかりません。