Ĺadny brzuch
ad1. znalazłem w necie że do rozwiązania zadania z 35-ma wejściami i 26-ma wyjściami potrzebna jest jedna dodatkowa warstwa ukryta. aby zadanie rozwiązac prawidłowo liczba neuronów w tej warstwie musi byc z przedziału <8;30> ale najlepsze wyniki osiąga przy 10 (najszybciej sie uczy)
zna ktoś wzór jak sie dobiera liczbe neuronów. wszystkie wzrory które znalazłem dotyczą albo uczenia albo obliczenia wyjśc
moje problemy to:
- 196 wejśc i 80 wyjsc
- 256 wejsc i 89 wyjsc
może ktoś wie ile uzyc do tego warstw i ile neuronów w kazdej
ad2. może wie ktoś jak to zrobic przy uzyciu biblioteki fann.h tam chyba juz dobierze to automatycznie
Interesowałem się kiedyś sieciami neuronowymi. Niestety jedyne informacje jakie uzyskałem o ilości neuronów w warstwie ukrytej to to, że powinno się to wartość dobrać eksperymentalnie.
dobra już wiem jak się szacunkowo wyznacza te liczbe wag w warstwach ukrytych.
dla jednej warstwy ukrytej liczba ta neuronów to sqrt(liczba_wejść * liczba_wyjść)
dla dwóch lub więcej trzeba zrobić coś w rodzaju piramidy malejącej od strony wejść do wyjść
we > w1 > w2 > w3 > wy
a potem pozostaje metoda prób (zmieniając liczbe neuronów ukrytych w otoczeniu tych ustalonych wcześniej wartości) zmniejszyć czas uczenia sieci, bo dana sieć błędu już nie popełni ale wydajność jej można jeszcze poprawić
zanotowane.pl doc.pisz.pl pdf.pisz.pl zsf.htw.pl
zna ktoś wzór jak sie dobiera liczbe neuronów. wszystkie wzrory które znalazłem dotyczą albo uczenia albo obliczenia wyjśc
moje problemy to:
- 196 wejśc i 80 wyjsc
- 256 wejsc i 89 wyjsc
może ktoś wie ile uzyc do tego warstw i ile neuronów w kazdej
ad2. może wie ktoś jak to zrobic przy uzyciu biblioteki fann.h tam chyba juz dobierze to automatycznie
Interesowałem się kiedyś sieciami neuronowymi. Niestety jedyne informacje jakie uzyskałem o ilości neuronów w warstwie ukrytej to to, że powinno się to wartość dobrać eksperymentalnie.
dobra już wiem jak się szacunkowo wyznacza te liczbe wag w warstwach ukrytych.
dla jednej warstwy ukrytej liczba ta neuronów to sqrt(liczba_wejść * liczba_wyjść)
dla dwóch lub więcej trzeba zrobić coś w rodzaju piramidy malejącej od strony wejść do wyjść
we > w1 > w2 > w3 > wy
a potem pozostaje metoda prób (zmieniając liczbe neuronów ukrytych w otoczeniu tych ustalonych wcześniej wartości) zmniejszyć czas uczenia sieci, bo dana sieć błędu już nie popełni ale wydajność jej można jeszcze poprawić