Tôi đang cố gắng thêm vào mã cho một mạng nơron một lớp có bitmap làm đầu vào và có 26 kết quả đầu ra cho khả năng của mỗi chữ cái trong bảng chữ cái.Mạng nơ-ron để nhận dạng chữ
Câu hỏi đầu tiên tôi có liên quan đến một lớp ẩn duy nhất đang được thêm vào. Tôi có đúng khi nghĩ rằng lớp ẩn sẽ có bộ giá trị đầu ra và trọng số riêng của nó không? Nó không cần phải có sự thiên vị riêng của nó '?
Tôi cũng có thể xác nhận rằng tôi đang suy nghĩ về khía cạnh feedforward chính xác không? Dưới đây là một số mã giả:
// input => hidden
for j in hiddenOutput.length:
sum=inputs*hiddenWeights
hiddenOutput[j] = activationFunction(sum)
// hidden => output
for j in output.length:
sum=hiddenOutputs*weights
output[j] = activationFunction(sum)
Giả sử điều đó là đúng, đào tạo sẽ giống như thế này?
def train(input[], desired[]):
iterate through output and determine errors[]
update weights & bias accordingly
iterate through hiddenOutput and determine hiddenErrors[]
update hiddenWeights & (same bias?) accordingly
Cảm ơn bạn đã được trợ giúp, tôi đã đọc rất nhiều ví dụ và hướng dẫn và tôi vẫn gặp khó khăn khi xác định cách thực hiện mọi thứ chính xác.
Đây có phải là bài tập về nhà không? Nếu có, vui lòng gắn thẻ như vậy. Có hay không, thử nghiệm; Tôi đã học tấn từ những thất bại của tôi trong mô phỏng mạng thần kinh giới thiệu. Nó không giống như bạn sẽ vô tình tạo ra SkyNet và sự suy giảm của loài người hay sumptin. – msw
có, hiện đã được gắn thẻ.Tôi đã thử nghiệm nhưng tiếc là trạng thái hiện tại đang hoạt động cực kỳ kém nên tôi rõ ràng đang làm sai điều gì đó – dylan