Czy sieć neuronowa bez wstecznej propagacji jest w stanie wyliczyć odpowiednie wyniki na wyjściu?

Odpowiedz Nowy wątek
2019-05-19 22:23
0

Czy sieć neuronowa bez wstecznej propagacji jest w stanie wyliczyć odpowiednie wyniki na wyjściu?

Pozostało 580 znaków

2019-05-19 22:30

Tak.


Pozostało 580 znaków

2019-05-20 00:56
0
Patryk27 napisał(a):

Tak.

Jak wtedy są wyliczane wagi neuronów?

Pozostało 580 znaków

2019-05-20 07:43
3

Nie pytałeś o proces uczenia się sieci neuronowej - do uczenia w większości przypadków potrzebujesz wykorzystać jakiś algorytm (np. wsteczną propagację albo rand()), lecz do funkcjonowania stworzonej uprzednio sieci (tak jak zrozumiałem Twoje pytanie) żaden algorytm uczący nie jest wymagany.


edytowany 1x, ostatnio: Patryk27, 2019-05-20 07:43

Pozostało 580 znaków

2019-05-20 08:03
2
  1. Jw, nauczona sieć po prostu działa (lub nie)
  2. Backpropagation to nie jedyny algorytm uczenia przecież. Masz przecież jakieś Kohoneny czy forward propagation

Masz problem? Pisz na forum, nie do mnie. Nie masz problemów? Kup komputer...

Pozostało 580 znaków

2019-05-20 08:04
0
Patryk27 napisał(a):

Nie pytałeś o proces uczenia się sieci neuronowej - do uczenia w większości przypadków potrzebujesz wykorzystać jakiś algorytm (np. wsteczną propagację albo rand()), lecz do funkcjonowania stworzonej uprzednio sieci (tak jak zrozumiałem Twoje pytanie) żaden algorytm uczący nie jest wymagany.

To w takim przypadku wagi między warstwą wejściową i ukrytą na starcie są dobierane losowo. Jak natomiast będą dobierane wagi połączeń między warstwą ukrytą a warstwą wyjściową? Zakładając, że jest jedna warstwa ukryta?

edytowany 1x, ostatnio: tom8543, 2019-05-20 08:05

Pozostało 580 znaków

2019-05-20 08:09
3

Też losowo. Jakoś musisz zainicjalizować wagi sieci, prawda?

Dopiero w trakcie uczenia sieci wagi zmieniają się zgodnie z jakimś przyjętym algorytmem. Może to być wsteczna propagacja a może to być np. "wprowadź losową zmianę i sprawdź, czy uzyskałeś poprawę".


Prosząc o pomoc w wiadomości prywatnej odbierasz sobie szansę na otrzymanie pomocy od kogoś bardziej kompetentnego :)

Pozostało 580 znaków

2019-05-20 19:12
0

Mam jeszcze jedno pytanie, może troche głupie, ale czy sieć neruonowa zawsze działa w oparciu o pojedyńczy neuron? Czyli w oparciu o sumę wag na połączeniach, danych wejściowych oraz funkcje aktywacji. Czy sieć ma różne sposoby działania?

Pozostało 580 znaków

2019-05-20 20:50
1

Co masz na myśli mówiąc "pojedynczy neuron"?

Sieć zbudowaną z dokładnie jednego neuronu? Nie, nie zawsze, właściwie to ciężko nazwać pojedyczny neuron siecią neuronową, bo nie ma tu żadnej sieci. Jeśli dobrze pamiętam to taki pojedynczy neuron nazywa się perceptron i nadaje się jedynie do najbardziej prymitywnych zastosowań tzw. problemów liniowo separowalnych.

Sieć zbudowaną z wielu neuronów jednego rodzaju? Nie siedzę w żadnym AI, deep learningu i niczym podobnym, tylko klepię CRUDy, także będę hipotetyzował, ale nie ma żadnych przeszkód, by np. każda warstwa neuronów miała np. inną funkcję aktywacji - algorytmy wstecznej propagacji i tak są uogólnione na jakąś funkcję aktywacji i jej pochodne, więc użycie różnych funkcji nawet w jednej warstwie nie powinno być niemożliwe - inna sprawa, czy jest praktyczne i cokolwiek daje. Tego nie wiem. Ale kombinować i eksperymentować na pewno nikt Ci nie zabroni, a jeśli przy okazji uzyskasz pożądany efekt, to nawet tym lepiej.


Prosząc o pomoc w wiadomości prywatnej odbierasz sobie szansę na otrzymanie pomocy od kogoś bardziej kompetentnego :)

Pozostało 580 znaków

2019-05-20 21:26
0

Mówiąc pojedyńczy neuron miałem na myśli sieć neuronową składającą się z wielu neuronów, gdzie każdy neuron to pojedyńczy neuron. I chciałem spytać czy w takiej sieci wartości danych neuronów zawsze wylicza się w taki sposób, że sumę wag połączeń wchodzących do danego neuronu podstawia się pod jakąś funkcje aktywacji? Czy istnieją inne sposoby wyliczeń/działania takich neuronów w sieci składającej się z wielu neuronów. Jak coś jeszcze jest nie jasne to doprecyzuje pytanie.

Pozostało 580 znaków

2019-05-20 21:33
1

No ale przecież na tym polega sieć neuronowa, że zawiera "neurony" (albo raczej ich biedną imitację), które dostają jakieś sygnały na wejściu, które są sumowane (z wagami) i przekazywane do funkcji aktywacji, która przybiera jakąś wartości, stanowiąc sygnał na wyjściu podawany gdzieś dalej - wgłąb sieci lub jako sygnał wyjściowy. To się nie zmienia.

Zmieniać się może na przykład

  • struktura sieci (warstwy, liczba neuronów w warstwie, czy jest jakaś rekurencja etc)
  • algorytm uczenia
  • funkcja aktywacji

Różne typy sieci mogą się wyróżniać właśnie charakterystycznymi algorytmami uczenia i/lub występowaniem sprzężeń zwrotnych/rekurencji i/lub tym ile jest warstw, potencjalnie "typową" funkcją aktywacji, ale idea sieci neuronowej pozostaje mniej więcej stała.


Prosząc o pomoc w wiadomości prywatnej odbierasz sobie szansę na otrzymanie pomocy od kogoś bardziej kompetentnego :)
edytowany 2x, ostatnio: superdurszlak, 2019-05-20 21:34

Pozostało 580 znaków

Odpowiedz
Liczba odpowiedzi na stronę

1 użytkowników online, w tym zalogowanych: 0, gości: 1, botów: 0