तंत्रिका नेटवर्क के कुलपति-आयाम को कुशलतापूर्वक गणना या अनुमान लगाना


19

मेरा लक्ष्य निम्नलिखित समस्या को हल करना है, जिसे मैंने इसके इनपुट और आउटपुट द्वारा वर्णित किया है:

इनपुट:

नोड्स, स्रोतों और सिंक ( ) के साथ एक निर्देशित चक्रीय ग्राफ जीn 1 मीटर > n 1n1>n1

आउटपुट:

वीसी आयाम (या इसके एक सन्निकटन) टोपोलॉजी के साथ तंत्रिका नेटवर्क के लिए ।जी

अधिक विवरण :

  • में प्रत्येक नोड एक सिग्माइड न्यूरॉन है। टोपोलॉजी तय हो गई है, लेकिन किनारों पर भार सीखने के एल्गोरिथ्म द्वारा भिन्न हो सकते हैं।जी
  • लर्निंग एल्गोरिथ्म तय हो गया है (पिछड़े-प्रचार का कहना है)।
  • स्रोत नोड्स इनपुट न्यूरॉन्स होते हैं और केवल से तार ले जा सकते हैं इनपुट के रूप में।n{-1,1}n
  • सिंक नोड आउटपुट यूनिट है। यह से कोई वास्तविक मूल्य आउटपुट कि हम में इसे राउंड या करने के लिए नीचे यह एक निश्चित तय सीमा से अधिक है अगर से दूर ।[-1,1]1-1δ0

अनुभवहीन दृष्टिकोण बस उन पर नेटवर्क को प्रशिक्षित करने का प्रयास करके, अधिक से अधिक बिंदुओं को तोड़ने की कोशिश करना है। हालांकि, इस तरह के सिमुलेशन दृष्टिकोण कुशल नहीं है।


सवाल

क्या इस कार्य की गणना करने के लिए एक कुशल तरीका है (यानी in जब निर्णय-समस्या में बदल दिया जाता है: क्या वीसी-आयाम इनपुट पैरामीटर से कम है ?) यदि नहीं, तो क्या कठोरता के परिणाम हैं?पी

क्या इस फ़ंक्शन की गणना या अनुमानित करने के लिए एक कार्य-अच्छी तरह से अभ्यास तरीका है? यदि यह एक अनुमान है, तो क्या इसकी सटीकता की कोई गारंटी है?

टिप्पणियाँ

मैंने आँकड़ों पर एक समान प्रश्न पूछा था । लेकिन उसने कोई दिलचस्पी नहीं पैदा की।


1
यदि आप स्थानांतरण फ़ंक्शन को अधिक स्पष्ट कर सकते हैं तो यह प्रश्न को अधिक आत्म-निहित बना सकता है। यानी सूचना के प्रसार के लिए वास्तविक सूत्र निर्दिष्ट करें।
सुरेश

जवाबों:


9

आप स्तरित जा नेटवर्क की अनुमति से आगे समस्या विवश करने को तैयार हैं, तो टॉम मिशेल का "मशीन लर्निंग" देता है एक ऊपरी (के लिए बाध्य ) (खंड 7.4.4) जहां रों की संख्या है आंतरिक नोड्स (जो 2 से अधिक होना चाहिए), डी व्यक्तिगत नोड्स का कुलपति आयाम है, और प्राकृतिक लघुगणक का आधार है। यदि आप प्रशिक्षण उदाहरणों की संख्या पर एक सीमा के बाद हैं तो यह जानकारी पर्याप्त होनी चाहिए।2रोंलॉग(रों)रों

यह कड़ाई से आपके प्रश्न का उत्तर नहीं है, लेकिन यह रास्ते में आपकी मदद कर सकता है। परिणाम बॉम और हौसलर (1989) के कारण है।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.