Tôi đang tìm hiểu về mạng nơron và truyền ngược. Tôi nghĩ rằng tôi hiểu cách mạng hoạt động, về đầu vào, đầu ra, lớp ẩn, trọng số, độ lệch, vv Tuy nhiên, tôi vẫn chưa hiểu đầy đủ cách thiết kế mạng để phù hợp với vấn đề. Tức là: Giả sử tôi muốn có một mạng thần kinh để học cách chơi Nháp, tôi sẽ chuyển vấn đề đó thành một thiết kế lưới thần kinh như thế nào? Cheers :)Thiết kế mạng nơron
Trả lời
Chắc chắn có rất nhiều quyết định được thực hiện trong việc thiết kế mạng lưới thần kinh và không có câu trả lời đúng. Tuy nhiên, có một vài câu hỏi chung thường hữu ích khi suy nghĩ về:
Bạn đang cố gắng tạo ra kết quả đầu ra là gì? Bản nháp có vẻ giống như một trò chơi đầy thách thức để chơi với mạng thần kinh, bởi vì có rất nhiều động thái tiềm năng và những thay đổi sẵn có từ lần lượt đến lượt, nhưng có lẽ bạn sẽ muốn đầu ra là động thái tiếp theo.
Đầu vào của bạn là gì? Điều này nên bao gồm bất cứ điều gì mà bạn cho rằng sẽ hữu ích trong việc đưa ra quyết định mà bạn muốn mạng neural thực hiện. Trong ví dụ nháp, bạn có thể cần phải cung cấp cho mạng neural các vị trí của tất cả các phần trên bảng.
Tái phát hoặc chuyển tiếp? Nói chung, trừ khi có một lý do thực sự nổi bật để cho nó thông tin về những gì nó được thực hiện trong quá khứ, tốt nhất là sử dụng feed-forward, bởi vì cho phép bạn đào tạo mạng với sự truyền lại. Ví dụ, đối với các bản nháp, bạn có thể muốn sử dụng mạng chuyển tiếp.
Bạn có cần lớp ẩn không? Đây là một câu hỏi khó hơn để biết câu trả lời, và có thể yêu cầu một số thử nghiệm, trừ khi bạn biết nhiều về không gian chiều cao mà đầu vào của bạn chiếm. Bản nháp đủ phức tạp đến nỗi có vẻ như nó sẽ yêu cầu một lớp ẩn, nhưng thật khó để chắc chắn.
Rõ ràng, có nhiều quyết định có thể/phải được thực hiện về thiết lập mạng thần kinh, nhưng hy vọng những điều này sẽ giúp bạn tiếp tục.
Mô hình vấn đề bằng cách sử dụng mạng nơron (hoặc bất kỳ loại mô hình nào khác) là một vấn đề khó khăn; không có viên đạn ma thuật cho việc này. Tôi khuyên bạn nên đọc về các kỹ thuật mà những người khác đã phát triển và xem liệu bạn có thể áp dụng những kỹ thuật đó cho vấn đề của mình hay không. Bạn có thể bắt đầu với một tài liệu tham khảo như thế nào,
https://en.wikipedia.org/wiki/Types_of_artificial_neural_networks
Và tìm kiếm thông qua Google Scholar để biết thêm ví dụ.
Vâng, tôi nghĩ rằng vấn đề của bạn là vấn đề của bất kỳ nhà thiết kế NN nào khác ... Một điều bạn phải luôn ghi nhớ, NN là mô hình heuristic. Do đó, họ học bằng kinh nghiệm, tương tự như chúng tôi .. Bạn không thể "chèn" kiến thức thuần túy vào NN (có thể trong các thuật toán SC khác) Cách tiếp cận của tôi cho vấn đề của bạn, hoặc bất kỳ vấn đề chung nào tôi gặp phải, là bắt đầu bằng câu hỏi: "Làm thế nào tôi sẽ dạy điều này cho ai đó?"
Bạn phải biết các quy tắc của trò chơi và các biến nào bạn có thể chơi cùng với những gì bạn muốn. Hơn nữa, bạn phải đào tạo mạng (lấy dữ liệu) với mục tiêu đào tạo trò chơi, như thể nó sẽ là một đứa trẻ. Sau khi đủ dữ liệu và trọng lượng thay đổi, NN sẽ có thể trả lời các lượt chơi hợp lý để giành chiến thắng trong trò chơi ... khi bạn nhận được nhiều dữ liệu hơn, câu trả lời chính xác hơn và do đó, người chơi giỏi hơn!
Không có kết luận hay tuyến tính, nhưng là quan điểm của tôi;) Chúc bạn may mắn!
- 1. Mạng nơron RBF C#
- 2. Mạng nơron XOR trong Java
- 3. Sản lượng liên tục trong Mạng nơron
- 4. Chức năng gần đúng với mạng nơron
- 5. Thư viện mạng nơron .NET nguồn mở?
- 6. Cuộc sống nhân tạo với mạng nơron
- 7. cách bắt đầu lập trình mạng nơron
- 8. OpenCV Kết hợp SURF với mạng nơron
- 9. Mẫu thiết kế truyền thông mạng
- 10. Điều kiện tiên quyết cần thiết để đọc sách trên mạng nơron (và hiểu chúng)
- 11. Gradient trong hồi quy liên tục sử dụng mạng nơron
- 12. chia tỷ lệ dữ liệu đầu vào thành mạng nơron
- 13. Ai đó có thể giải thích mạng nơron nhân tạo?
- 14. Mạng nơron trong MATLAB, trọng số ban đầu
- 15. Lập mô hình mạng nơron từ gói nnet R cran
- 16. Mô hình mạng nơron này có tồn tại không?
- 17. Dự đoán dài hạn sử dụng mạng nơron nhân tạo
- 18. Lỗi mạng nơron XOR ngừng giảm trong khi đào tạo
- 19. đào tạo nguồn cấp dữ liệu mạng nơron cho OCR
- 20. Thiết kế một giao thức mạng cho dữ liệu thời gian thực/thiết bị di động
- 21. Thiết kế Java API - Thiết kế nội bộ
- 22. Mạng nơron nhân tạo tạo ra kết nối riêng của nó
- 23. Thiết kế GUI
- 24. Có thể sử dụng mạng nơron để tìm một hàm tối thiểu (a) không?
- 25. Sự khác biệt giữa mạng nơron và thuật toán tiến hóa
- 26. Tăng cường GA của tôi với các mạng nơron và/hoặc tăng cường học tập
- 27. Các vấn đề thường gặp trên web nơi Mạng nơron có thể giúp
- 28. cách viết mã MATLAB để nhận dạng mẫu trong mạng nơron
- 29. Các mẫu thiết kế cho thiết kế đồng thời/tác nhân dựa trên thiết kế
- 30. Khám phá thiết bị mạng
Thuật toán "SC" là gì? – HelloGoodbye
Xin lỗi, Thuật toán máy tính mềm. Soft Computing bao gồm điện toán thần kinh, điện toán tiến hóa và thuật toán logic mờ – diogoncalves