Tag: backpropagation

RÜCKFÜHRUNG ist eine gängige Methode des Unterrichts künstliche neuronale Netze, wie Sie zur Erfüllung einer bestimmten Aufgabe.

Java-based Neural Network — how zur Umsetzung RÜCKFÜHRUNG

3 Antworten

Baue ich einen test neuronalen Netzwerk und es ist definitiv nicht arbeiten. Mein Hauptproblem ist backpropagation. Aus meiner Forschung weiß ich, dass es einfach zu bedienen ist die sigmoid-Funktion. Also, ich update jedes Gewicht von (1-Ausgang)(Ausgang)(Ziel-Output), aber

backpropagation neural-network

Wie funktioniert keras Griff mehrere Verluste?

2 Antworten

Also meine Frage ist, wenn ich so etwas wie: model = Model(inputs = input, outputs = [y1,y2]) l1 = 0.5 l2 = 0.3 model.compile(loss = [loss1,loss2], loss_weights = [l1,l2], ...) Was bedeutet keras tun, die Verluste zu

Wie zu entscheiden, die Aktivierung der Funktion im neuronalen Netzwerk

2 Antworten

Ich bin mit feedforward, RÜCKFÜHRUNG, mehrschichtiges neuronales Netz, und ich bin mit sigmoid-Funktion als Aktivierungsfunktion, die mit Bereich von -1 bis 1. Aber der minimale Fehler ist nicht unter 5.8 und ich will so weniger, können Sie

backpropagation feed-forward neural-network python

Wie die Umsetzung der Softmax-Derivat unabhängig von etwaigen Verlust-Funktion?

3 Antworten

Für neuronale Netze Bibliothek, die ich implementiert einige Funktionen Aktivierung-und-Verlust-Funktionen und deren Ableitungen. Sie können beliebig kombiniert werden und die Ableitung am Ausgang Schichten wird das Produkt von der Verlust-Derivat und die Aktivierung Derivat. Allerdings, ich konnte

backpropagation derivative neural-network regression softmax

Verständnis Neuronalen Netzes Backpropagation

3 Antworten

Update: eine bessere Formulierung der Frage. Ich versuche zu verstehen, der backpropagation-Algorithmus mit einem XOR neuronale Netzwerk als ein Beispiel. Für diesen Fall gibt es 2 eingabeneuronen + 1 Neigung, 2 Neuronen in der hidden-layer + 1

backpropagation computer-science machine-learning neural-network

Implementierung von Backpropagation mit numpy und python für cleveland dataset

1 Antworten

Wollte ich voraussagen, Herz-Krankheit, die mit backpropagation-Algorithmus für neuronale Netze. Dafür habe ich UCI heart disease data set hier verlinkt: verarbeitet cleveland. Um dies zu tun, habe ich das cde finden Sie auf den folgenden blog: Bauen

backpropagation gradient-descent neural-network numpy python

Backpropagation-Algorithmus (Matlab): output Werte sind gesättigt 1

1 Antworten

Habe ich codiert ein backpropagation-Algorithmus in Matlab basierend auf diesen Notizen: http://dl.dropbox.com/u/7412214/BackPropagation.pdf Mein Netzwerk nimmt die Eingabe/feature-Vektoren der Länge 43, 20 Knoten in der versteckten Schicht (beliebigen parameter Wahl, die ich ändern kann), und hat eine single-output-Knoten.

artificial-intelligence backpropagation machine-learning matlab

Backpropagation-Algorithmus-Implementierung

2 Antworten

Dea Alle, Bin ich versucht zu implementieren, ein neuronales Netzwerk, das backpropagation verwendet. Bisher bekam ich auf die Bühne, wo jedes neuron erhält gewichteten Eingänge von allen Neuronen in der vorherigen Schicht, berechnet die sigmoid-Funktion, die basierend

backpropagation

Was sind forward-und backward-Pässe in neuronalen Netzen?

2 Antworten

Was ist der Sinn des forward pass und backward pass in neuronalen Netzen? Jeder ist zu erwähnen, diese Ausdrücke beim sprechen über RÜCKFÜHRUNG und Epochen. Habe ich verstanden, dass vorwärts gehen und rückwärts-pass zusammen bilden eine Epoche.

backpropagation conv-neural-network neural-network

Implementierung eines Neuronalen Netzes in Java: die Ausbildung und die Backpropagation-Probleme

2 Antworten

Ich versuche, die Implementierung eines feed-forward neuronalen Netzes in Java. Ich habe drei Klassen NNeuron, NLayer und NNetwork. Die "einfachen" Berechnungen scheinen gut (ich bekomme richtige Summen/Aktivierungen/Ausgaben), aber wenn es um die Ausbildung, die ich nicht scheinen,

backpropagation feed-forward java neural-network

numpy : berechnen Sie die Ableitung der softmax-Funktion

3 Antworten

Ich versuche zu verstehen backpropagation in ein einfaches 3-Schichten-neuronales Netz mit MNIST. Es ist die input-Schicht mit weights und ein bias. Die Etiketten sind MNIST es ist also ein 10 Klasse vector. Die zweite Schicht ist ein

backpropagation neural-network numpy python softmax

Was ist der Unterschied zwischen SGD und back-propagation?

3 Antworten

Können Sie mir bitte sagen, der Unterschied zwischen Stochastic Gradient Descent (SGD) und back-propagation? InformationsquelleAutor | 2016-06-21

artificial-intelligence backpropagation difference gradient-descent machine-learning

Wie funktioniert ein back-propagation-training-Algorithmus arbeiten?

3 Antworten

Ich habe versucht zu lernen, wie back-propagation arbeiten mit neuronalen Netzen, aber immer noch auf eine gute Erklärung, die von einem weniger technischen Aspekt. Wie funktioniert back-propagation arbeiten? Wie lernt es sich aus einem Trainings-Datensatz zur Verfügung

artificial-intelligence backpropagation computer-science neural-network

RÜCKFÜHRUNG für gleichgerichtete lineare Einheit Aktivierung mit cross-entropy Fehler

4 Antworten

Ich versuche zu implementieren, Gradienten-Berechnung, die für neuronale Netzwerke mit backpropagation. Ich kann es nicht für die Arbeit mit cross-entropy Fehler und korrigiert linear unit (aufgrund der Kr) als Aktivierung. Ich es geschafft, meine Implementierung arbeitet für

backpropagation machine-learning matlab neural-network

Warum ist die Cross-Entropy-Methode vorgezogen Mean Squared Error? In welchen Fällen muss diese nicht halten?

3 Antworten

Obwohl beide der oben genannten Methoden bessere Punktzahl für eine bessere Nähe der Vorhersage, noch cross-Entropie ist bevorzugt. Ist es in allen Fällen, oder es gibt einige seltsame Szenarien, in denen wir bevorzugen die Kreuz-Entropie über MSE?

backpropagation cross-entropy machine-learning mean-square-error neural-network

Neural Network Lern-rate-und batch-Gewicht update

2 Antworten

Ich programmiert habe, ein Neuronales Netz in Java und arbeite jetzt auf der back-propagation-Algorithmus. Ich habe gelesen, dass die batch-updates der GEWICHTE bewirkt, dass ein stabiler Verlauf suchen, statt ein online-Gewicht-update. Als test habe ich eine Zeitreihen-Funktion

backpropagation neural-network

Wie zu verwenden Sie k-fold cross validation in einem neuronalen Netzwerk

2 Antworten

Wir schreiben eine kleine ANN, die angeblich zu kategorisieren 7000 Produkte in 7 Klassen, basierend auf 10 input-Variablen. Um dies zu tun, müssen wir mit k-fold cross validation, aber wir sind irgendwie verwirrt. Haben wir diesen Auszug

backpropagation machine-learning neural-network validation

Unterschied auf die Leistung zwischen numpy und matlab

3 Antworten

Ich bin computing die backpropagation Algorithmus für eine spärliche autoencoder. Ich habe es umgesetzt in python mit numpy und in matlab. Der code ist fast das gleiche, aber die Leistung ist sehr unterschiedlich. Die Zeit, die matlab

backpropagation matlab numpy performance python

Neuronale Netzwerk-Backpropagation mit RELU

5 Antworten

Bin ich versucht zu implementieren neuronales Netz mit aufgrund der Kr. input-layer -> 1 verborgene Ebene -> aufgrund der Kr -> output layer -> softmax Schicht Oben ist die Architektur meines neuronalen Netzwerks. Ich bin verwirrt über

backpropagation neural-network

Warum funktionieren Sigmoid-Funktionen in Neuronalen Netzen?

1 Antworten

Ich habe gerade mit der Programmierung von Neuronalen Netzen. Ich arbeite momentan an Verständnis, wie ein Backpropogation (BP) neuronales Netz funktioniert. Während der Algorithmus für die Ausbildung im BP-Netze ist sehr einfach, ich war nicht in der

backpropagation neural-network

Was ist der Unterschied zwischen Back-Propagation und Feed-Forward Neural Network?

2 Antworten

Was ist der Unterschied zwischen back-propagation-und feed-forward neuronale Netze? Durch googeln und Lesen fand ich heraus, dass in der feed-forward-es ist nur (vorwärts -) Richtung, aber in der back-propagation einmal müssen wir eine forward-propagation und dann back-propagation.

backpropagation classification machine-learning neural-network