Ako používať Backpropagation Neural Networks

inšpirovaný fungovanie biologického mozgu , môže umelé neurónové siete plniť úlohy Rozpoznávanie vzorov , klasifikácie, ktoré môže byť ťažké programovať pomocou tradičnej metódy programovania . Siete musia byť vyškolení pre túto prácu sú povinné vykonať , a backpropagation je nebiologické metóda automatickej konfigurácie siete optimalizovať svoju úlohu . Pomocou niekoľkých jednoduchých krokov , môžete trénovať sieť bez pochopenia vysoko komplexné základné sieť . Veci , ktoré budete potrebovať klipart neurónové siete softvér
Zobraziť ďalšie inštrukcie Cestuj 1

Vyberte si , čo by ste chceli klasifikovať a triedy , ktoré chcete zoradiť do . Musí byť vo forme oddeliteľných jednotiek , ktoré môžu byť každý kódovaný . Napríklad , zoznam binárnych čísel alebo pixelov RGB obrázka , každý medzi 0 a 255. . Tento príklad bude používať zoznam siedmich binárnymi číslami a triedy bude rozhodovať , či je párne alebo nepárne číslo " 1s " .
2

Pripravte tréningový set . To sa skladá zo zoznamu vstupov so správnymi výstupy k vlaku siete . Napríklad , 0100110 = nepárna , 1001011 = i Vyberte si svoj ​​tréningový set , takže to dáva dobrú reprezentáciu škály vstupov a výstupov , tj to , aby nielen vstupy s párnym počtom " 1s " .
3

Inicializácia siete . Vyberte počet vstupných uzlov , výstupné uzly , počet skrytých vrstiev a kritériá zastavenie . Počet vstupných uzlov je počet prvkov vo vašom vstupe . V tomto príklade , je sedem uzly , jeden pre každú číslicu na zozname. Počet výstupov bude počet možných klasifikácií. Toto je zvyčajne vyjadrené v binárnom formáte pre priame klasifikáciu . V príklade , je tu len jeden výstupný uzol - dáva 1 pre nepárne a 0 pre i Skryté vrstvy môže byť ľubovoľný počet , ale aj vo všetkých praktickosť by ste nikdy potrebovať viac než dva . Zastavenie kritériom je percento správnych odpovedí , na ktoré chcete ukončiť tréning sieť . Pre jednoduchú klasifikáciu binárnych vstupov , môžete použiť 100 percent , ale pre zložitejšie úlohy , ako je napríklad triedenie súborov, chceš to byť nižšia . Jediný spôsob , ako optimalizovať to je experimentovať s vyškolenými sietí nájsť najlepšiu hodnotu .
4

Spustite fázu tréningu . To bude používať trénovacie množinu reorganizácie siete , kým je splnená zastavenie kritériom . Keď je táto splnená, bude sieť uložená , a to už nebude k reorganizácii , kedy je vstup uvedený .
5

Otestujte siete na vstupe nie je súčasťou trénovacej množiny . Ak úspešnosť je nízka , potom skúste výcvik sieť s iným trénovacej množiny a zastavenie kritérium . Vzhľadom k tomu , že sieť je vyškolený , nemôžete byť istí , či je pripravený na použitie, kým ho použiť na reálnych dátach .

• Predchádzajúca strana: AEC CAD štandardy 
• Ďalšia strana: Zadarmo HVAC Dimenzovanie programy