इस प्रकार के प्रश्न समस्या-आश्रित हो सकते हैं, लेकिन मैंने शोध खोजने की कोशिश की है जो इस प्रश्न को संबोधित करता है कि क्या छिपी हुई परतों की संख्या और उनका आकार (प्रत्येक परत में न्यूरॉन्स की संख्या) वास्तव में मायने रखती है या नहीं।
तो मेरा सवाल यह है कि क्या यह वास्तव में मायने रखता है अगर हम उदाहरण के लिए 1000 न्यूरॉन्स की 1 बड़ी छिपी हुई परत बनाम 10 छिपी हुई परतें 100 न्यूरॉन्स प्रत्येक के साथ हैं?
जवाबों:
मूल रूप से, कई परतें (उर्फ एक गहरा नेटवर्क) होने से आपके नेटवर्क को इनपुट डेटा के कुछ पहलुओं को पहचानने के लिए अधिक उत्सुक बनाता है। उदाहरण के लिए, यदि आपके पास इनपुट के रूप में एक घर (आकार, लॉन आकार, स्थान आदि) का विवरण है और कीमत का अनुमान लगाना चाहते हैं। पहली परत भविष्यवाणी कर सकती है:
दूसरी परत समाप्त हो सकती है:
हां, एक परत आँकड़ों का 'पता' भी लगा सकती है, हालाँकि इसके लिए अधिक न्यूरॉन्स की आवश्यकता होगी क्योंकि यह उस मूर्ति का पता लगाने के लिए आवश्यक कुल गणना के 'भागों' को करने के लिए अन्य न्यूरॉन्स पर भरोसा नहीं कर सकता है।
बहुत सारे पहलू हैं।
1. प्रशिक्षण: गायब होने (तेजी से विस्फोट) प्रवणता समस्या के कारण गहन जाल प्रशिक्षण कठिन काम है। इसलिए 10x100 न्यूरल-नेट बनाने की सिफारिश नहीं की जाती है।
2. प्रशिक्षित नेटवर्क प्रदर्शन:
इतना गहरा जाल अधिक "चतुर" है लेकिन 10x100 शुद्ध संरचना एक अच्छा विकल्प है।
यदि आप जो समस्या हल कर रहे हैं वह रैखिक रूप से अलग है, 1000 न्यूरॉन्स की एक परत 100 न्यूरॉन्स में से प्रत्येक के साथ 10 परतों से बेहतर काम कर सकती है। यदि समस्या गैर रैखिक है और उत्तल नहीं है, तो आपको गहरे तंत्रिका जाल की आवश्यकता है।
मुझे लगता है कि आपको तंत्रिका नेटवर्क की मूल बातें में भ्रम है। हर लेयर का एक अलग एक्टिवेशन फंक्शन और इनपुट / आउटपुट कनेक्शन वेट होता है।
पहली छिपी हुई परत के उत्पादन को एक वजन से गुणा किया जाएगा, जो अगली परत में एक सक्रियण फ़ंक्शन द्वारा संसाधित किया जाएगा और इसी तरह। सिंगल लेयर न्यूरल नेटवर्क सरल कार्यों के लिए बहुत सीमित हैं, गहरे एनएन एक परत की तुलना में बेहतर प्रदर्शन कर सकते हैं।
हालांकि, अगर आपके आवेदन काफी जटिल नहीं है, तो परत से अधिक का उपयोग न करें। अंत में, 100 न्यूरॉन्स परत का मतलब 10 परतों x 10 न्यूरॉन्स से बेहतर तंत्रिका नेटवर्क नहीं है, लेकिन 10 परतें कुछ काल्पनिक हैं जब तक कि आप गहन शिक्षा नहीं कर रहे हैं। छिपी हुई परत में 10 न्यूरॉन्स के साथ शुरू करें और अंतर देखने के लिए परतों को जोड़ने या एक ही परत में अधिक न्यूरॉन्स जोड़ने का प्रयास करें। अधिक परतों के साथ सीखना आसान होगा लेकिन अधिक प्रशिक्षण समय की आवश्यकता है।