Pomoć u Neuronske mreže - Prijenos funkcija

[Sanja]

Hi all,

Samo pitanje, dok projektiranju neuronska mreža, kako se jedan ići o odlučivanju o tome što posebno prijenosne funkcije koristiti za mrežu.Ja sam proći kroz neke literature, ali nisam mogao naći dokumentu, koji objašnjava ovo.Mislim, imaju pogled na transfer funkcije podržane od strane Matlab, kako se jedan zna, da je "tansig" bi bilo prikladno ili "purelin" bi bilo prikladno.

To je samo pitanje igranje okolo sa razl prijenosa funkcija i vidjeti koje najbolje odgovara za mrežu, ili je tamo zaista neka teorija koja objašnjava što može biti korišten.Mogući odgovor koji je došao u moj um, bio ovisi o vrsti dizajna radiš, ali u odnosu na taj, JA je došao preko ovaj pitanje.

Može li netko dati nekoliko komentara i stručne komentare

Pozdravi

 

[bruces3]

Možda sam u krivu, nn ne bavi prijenosne funkcije.Ali, karakteristike funkcije koja se može naučiti od nn.NN ne voli matematiku eq kao prijenosne funkcije.To je samo naučiti podataka in-out.Ovi podaci možda može biti dobiven iz TF

Tako smo imitirati tf je karakteristična po nn proces učenja.

 

[as_518]

Mislim da vam znači funkcija svakog čvora u neuronske mreže.U tom slučaju odaberite takvih funkcija će učinak vašeg algoritam učenja.zapravo bilo nelinearnih funkcija će biti dobar kao ostali, ako algoritam učenja prilagođen je za takve funkcije.isto tako da nema potrebe za sve čvorove da imaju istu funkciju.

postoji dobra bbok po raol Rojas možete pronaći jedno poglavlje koje govori o tome pitanjima na svojoj web stranici.Sorry ali ja ne sjeća stranice.Samo za pretraživanje Rojas ime raol i neuronskih mreža.

 

[anto2]

Mislim da se odnosi na aktivaciju funkcije neuronska mreža čvorova,
najbolja knjiga za vas to čitanje je CRC Press Handbook of neuronske mreže,

 

[as_518]

Općenito, neuronska mreža može se definirati kao težinski usmjereni graf u kojem se neuroni su čvorovi i režirao ponderirana rubovi su veze između neurona i izlaz neuronske ulaza.Feedforward neural network (FFNN) je neuronska mreža u kojoj graf nema petlje.Svaki neuron obavlja neke nelinearne više ulaznih jedan izlaz funkcije (aktiviranje funkcije ili prijenosne funkcije).Učenje problem je pronaći optimalnu kombinaciju utega tako da mreža približne funkcije  dati funkciju f, koja se daje implicitno kroz neke primjere (training set), što je točnije moguće.