Yapay Sinir Ağları Önyargı rol | Netgez.com
SORU
19 Mart 2010, Cuma


Yapay Sinir Ağları Önyargı rol

Gradyan İniş ve Geri yayılma Teoremi farkındayım. Anlamadığım şey şudur: ne Zaman bir önyargı önemli ve nasıl kullanıyorsun? kullanıyor

Örneğin, eşleme AND fonksiyonu için 2 Giriş ve 1 çıkış, değil vermek doğru ağırlık, ancak, zaman kullanıyorum 3 giriş (1 hangi bir sapma), verdiği doğru ağırlık.

CEVAP
23 Mart 2010, Salı


Herkesin dediği gibi, önyargıları hemen hemen her zaman yararlı olduğunu düşünüyorum. Aslındasapma değeri sola veya sağa aktivasyon fonksiyonu kayma sağlarbaşarılı öğrenme için kritik olabilir.,

Basit bir örnek bakmak yardımcı olabilir. Bu 1-Giriş, 1-çıkış hiçbir önyargı var ağ düşünün:

simple network

Ağın çıkış ağırlığı (w . tarafından giriş (x) ile çarpılarak hesaplanır ^alt>0) ve aktivasyon fonksiyonu (sigmoid bir fonksiyon vs.) bir çeşit sonuç geçerek

İşte bu ağ hesaplayan fonksiyonu, w çeşitli değerleri için0:

network output, given different w0 weights

Ağırlık w değişiyor0aslında "diklik" sigmoid. değişiklikleri Bu yararlı, ama eğer ağ x 0 olduğunda, çıkış istersen 2 Ne? Sadece sigmoid dik değiştirmek gerçekten işe yaramazsağdaki bütün eğrinin kayması için mümkün olmak istiyorum.

Tam önyargı yapmanızı sağlar. Eğer ağ için bir önyargı eklersek, şu şekilde:

simple network with a bias

...ağın çıktı sig olur(w0*x w1*1.0). Ağın çıkış w gibi farklı değerler için görünür1:

network output, given different w1 weights

W için -5 ağırlığa sahip1bize vardiya x 2 0 çıkışları olan bir ağ için sağa doğru eğri.

Bunu PaylaÅŸ:
  • Google+
  • E-Posta
Etiketler:

YORUMLAR

SPONSOR VÄ°DEO

Rastgele Yazarlar

  • andyabc45

    andyabc45

    1 Mayıs 2011
  • Plugable

    Plugable

    19 Mayıs 2010
  • Rozetked | Обзоры

    Rozetked | Ð

    5 AÄžUSTOS 2011