Xác định số lượng Neuron thích hợp cho Mạng Lưới thần kinh

Question

Tôi đã thực hiện một số nghiên cứu với mạng thần kinh và khái niệm và lý thuyết nói chung có ý nghĩa với tôi. Mặc dù một câu hỏi mà tôi không thể tìm ra câu trả lời, là có bao nhiêu tế bào thần kinh nên được sử dụng trong một mạng thần kinh. để đạt được kết quả phù hợp/hiệu quả. Bao gồm các lớp ẩn, nơ-ron trên mỗi lớp ẩn, v.v. Có phải nhiều nơ-ron nhất thiết phải có kết quả chính xác hơn (trong khi đang đánh thuế nhiều hơn trên hệ thống) hay ít tế bào thần kinh vẫn đủ? Có một số loại quy tắc quản lý để giúp xác định những con số đó không? Liệu nó có phụ thuộc vào loại thuật toán đào tạo/học tập đang được triển khai vào mạng neural hay không. Liệu nó phụ thuộc vào loại dữ liệu/đầu vào đang được trình bày cho mạng?

Nếu làm cho việc trả lời câu hỏi dễ dàng hơn, tôi rất có thể sẽ sử dụng feedforwarding và backpropogation làm phương pháp chính để đào tạo và dự đoán.

Lưu ý phụ, có thuật toán dự đoán/quy tắc kích hoạt hoặc thuật toán học thường được coi là "tốt nhất/thực tế nhất" hay cũng phụ thuộc vào loại dữ liệu được trình bày cho mạng?

Nhờ bất kỳ ai có bất kỳ đầu vào nào, nó luôn được đánh giá cao!

EDIT: Về thẻ C#, đó là ngôn ngữ mà tôi sẽ đặt cùng mạng nơron của tôi. Nếu thông tin đó giúp ích gì cả.

Answer 1

Tôi chuyên về AI/NN ở trường đại học và có một số kinh nghiệm làm việc trên trò chơi, và đây là những gì tôi tìm thấy làm hướng dẫn để bắt đầu. Tuy nhiên, nhận ra rằng mỗi NN sẽ thực hiện một số tinh chỉnh để hoạt động tốt nhất trong môi trường bạn đã chọn. (Một giải pháp tiềm năng là đưa chương trình của bạn lên 1000s NN khác nhau, thiết lập một tiêu chuẩn có thể kiểm thử để thực hiện và sau đó sử dụng thuật toán di truyền để truyền các NN hữu ích hơn và tiêu diệt ít NN hữu ích hơn - nhưng đó là một bài viết rất lớn khác ...)

tôi thấy - nói chung

• Input Layer - Một AN cho mỗi vector đầu vào + 1 Bias (luôn 1)
• Nội Lớp - Double Layer Input
• Output Layer - Một AN cho mỗi hành động hoặc quả

Ví dụ: nhận dạng chữ viết

• Nếu bạn đang kiểm tra lưới 10x10 để nhận dạng ký tự;
• bắt đầu với 101 Input AN (một cho mỗi pixel, cộng với một thiên vị)
• 202 Inner AN
• và 26 Output AN (một cho mỗi chữ cái của bảng chữ cái)

Ví dụ: Blackjack

• Nếu bạn đang xây dựng một NN để "giành chiến thắng tại blackjack";
• bắt đầu với 16 Input AN (13 đếm từng xuất hiện của một thẻ, 1 cho giá trị tay máy nghe nhạc, 1 cho đại lý "up-thẻ", và 1 thiên vị)
• 32 Inner AN
• và 6 đầu ra AN (một cho "Hit" "Stay" "Split" "đúp" "Surrender" và "Bảo hiểm")

Answer 2

một số quy tắc chung như sau dựa trên bài viết này: 'Tạo xấp xỉ số tế bào thần kinh lớp Hidden trong kiến ​​trúc BPNN nhiều lớp ẩn lớp 'của Saurabh Karsoliya.

• Số lượng tế bào thần kinh lớp ẩn là 2/3 (hoặc 70% đến 90%) kích thước của lớp đầu vào. Nếu đây là không đủ thì số lượng tế bào thần kinh lớp đầu ra có thể được thêm vào sau này.
• Số lượng tế bào thần kinh lớp ẩn phải ít hơn gấp hai lần số lượng tế bào thần kinh trong lớp đầu vào.
• Kích thước của các nơron lớp ẩn nằm giữa kích thước lớp đầu vào và kích thước lớp đầu ra.