問題タブ [feed-forward]

いくつかの ANN 出力を計算し、ANN を書き込むための割り当てが設定されました。簡単なことは以前にやったので、一般的な ANN のことについては何の助けも必要ありません。しかし、私を困惑させるものがあります。割り当てでは、トポロジは次のとおりです (図は彼の知的財産であるため、アップロードしません):-

• 2 つのレイヤー、3 つの非表示、1 つの出力。
• 入力 x1 は、2 つの非表示ノードと出力ノードに送られます。
• 入力 x2 は 2 つの非表示ノードに送られます。

問題は、いつもの XOR です。彼はこれまでこの種のトポロジーについて何も言及しておらず、私は毎回の講義に必ず出席し、熱心に聞いてきました。私はそのような良い学生です:)

実際のタスクを手伝う必要はないので、これは宿題とは見なされません。

このようなトポロジでネットワークを使用する理由についての洞察は素晴らしいでしょう.

よろしく

フィード フォワード ニューラル ネットワークの出力数 (出力層のニューロン数) は 2 を超える場合があります (3 など)?

私はフィードフォワード、バックプロパゲーション、多層ニューラル ネットワークを使用しており、シグモイド関数を -1 から 1 の範囲の活性化関数として使用しています。しかし、最小誤差は 5.8 を下回っていません。 100000回の反復後。

これは、出力範囲が 1 を超えており、シグモイド関数の範囲が -1 から 1 にすぎないためだと思います。目的の出力範囲が 0 から 2.5 であるため、この問題を克服する方法を誰かに教えてもらえますか。この範囲に最適なアクティベーション関数を教えてください。

次のように trainbr を使用して nn をトレーニングする場合:

max mu に達する前に実行された epohcs/iterations の数を取得するにはどうすればよいですか?

乾杯

私はちょうどニューラル ネットワークを学び始めたところです。

3層フィードフォワードニューラルネットワークのこの単純なpythonコードをダウンロードしました

学習パターンを XOR ではなくチェッカーボードに変更し、隠れ層のノード数を 10 に変更しました。万能近似定理を理解していれば、この 3 層ネットワーク (1 つの隠れ層) は R2 から R までの任意の関数を学習できるはずです。チェッカーボード関数。...しかし、そうではありません。

なにが問題ですか？

• 私は普遍的な近似定理が間違っていることを理解しています - 関数は単調または凸である必要がありますか? (領域は直線的に分離可能である必要がありますか?)。
• このような非凸、非線形分離関数を近似するには、別のレイヤー (2 つの隠れレイヤー) が必要ですか?
• ネットワークは局所的な最小値に閉じ込められているだけですか? (しかし、私はそうは思いませんか? いくつかの実行を試みました。最初の重みはランダムですが、結果は同じです)
• 秘伝レイヤーの10ノードじゃ足りない？私は別の番号を試してみました - 5 でほぼ同じです。30ではありません

普遍的な近似定理に従って、特定のネットワークによって理論的に記述できる任意の関数に確実に収束するように、最適化 (学習) スキームを変更する一般的なアプローチはありますか?

私のネットワーク（与えられたトポロジー、層とノードの数を持つ）が与えられた機能を説明できるかどうか、それが局所的な最小値に閉じ込められているかどうかを教えてくれる一般的なテストはありますか？

これは、隠れ層に 10 個のニューロンがある場合の結果です。

これはテスト実行の定義です (私が変更したコードの一部のみ):

完全な接続を持ついくつかの値を持つ [2,3,1] ニューラル ネットワークを構築するコードがあります。

これがコードです。activate() 関数がリストを入力として受け取ることは明らかです。リストの内容がわかりません。助けてください。

MATLAB でレイヤー接続をスキップするニューラル ネットワークを作成したいと考えています。「newff」関数を変更して、入力ノードから出力レイヤーへの直接接続を可能にする方法はありますか?