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 ]