1700530807
训练神经网络
1700530808
1700530809
·在样本问题上重复运行识别测试
1700530810
1700530811
·在每次实验过后，修正所有神经元之间连接的突触强度，以便改善本次测试后神经网络的性能（见下文关于如何做到这一点的探讨）
1700530812
1700530813
·继续训练，直到神经网络的精确率不再提高（即，到达渐近线）
1700530814
1700530815
关键设计决策
1700530816
1700530817
在上述简单的模式中，递归算法的设计者需要在一开始就做下列决定：
1700530818
1700530819
·输入数字代表什么
1700530820
1700530821
·神经元层数的数量
1700530822
1700530823
·每一层神经元的数量（每一层神经元的数量没必要完全一致）
1700530824
1700530825
·每层中每个神经元的输入数量，各个神经元的、各个网络层的输入的数量（即神经元间的连接）可互不相同
1700530826
1700530827
·真正的“线路”（即连接）。对于每一个神经元、每一层来说，这包括一系列神经元、形成该神经元输入的其他神经元的输出，这代表着设计的关键。设置方法有许多：
1700530828
1700530829
i）随意连接神经网络
1700530830
1700530831
ii）使用进化算法（见附录中的下一部分）决定最佳连接
1700530832
1700530833
iii）使用系统设计者的最佳判断来决定连接法
1700530834
1700530835
·每个连接的初始突触强度（即权值）。设置方法有许多：
1700530836
1700530837
i）将突触强度的值设置一致
1700530838
1700530839
ii）将突触强度随意设置为不同值
1700530840
1700530841
iii）使用进化算法来决定最佳初始值
1700530842
1700530843
iv）使用系统设计者的最佳判断来决定初始值
1700530844
1700530845
·每个神经元的阈值
1700530846
1700530847
·输出的决定。输出可以是：
1700530848
1700530849
i）第M层上神经元的输出
1700530850
1700530851
ii）单个输出神经元的输出，这些神经元的输入是第M层上神经元的输出
1700530852
1700530853
iii）第M层上神经元输出的函数（即总和）
1700530854
1700530855
iv）多个层次当中神经元输出的函数
1700530856
[
上一页 ]
[ :1.700530807e+09 ]
[
下一页 ]