Jaringan saraf-HMA

1. Inserisci livello, che consiste di Enter Knowledge
2. livello nascosto, che consiste di nodi di elaborazione denominati neuroni
3. livello di output, costituito da 1 o un numero di neuroni, le cui uscite sono le uscite comunitarie.

Tutti i nodi dei layer adiacenti sono interconnessi. Questi collegamenti sono indicati come sinapsi. Ogni sinapsi ha un coefficente di scala assegnato, da cui le informazioni propagate via la sinapsi sono moltiplicate. Questi coefficienti di scala sono indicati come pesi (w [Saya] [J] [k]). In una rete neurale di feed-Ahead (FFNN) le informazioni vengono propagate dagli input alle uscite. Proprio qui è un'istanza di FFNN con uno entrare livello, un livello di uscita e due livelli nascosti:

Immagine connessa (fare clic su per ingrandire)

La topologia di un FFNN è in genere abbreviata come segue: < # of inputs >-< # dei neuroni all'interno del primo livello nascosto >-< # dei neuroni all'interno del secondo livello nascosto >-...-< # of outputs >. La comunità di cui sopra può essere conosciuta come una comunità 4-3-3-1. Le informazioni vengono elaborate dai neuroni in due fasi, corrispondentemente comprovate in tutto il cerchio da un segnale di sommatoria e da un segnale step:

1. Tutti gli ingressi sono moltiplicati per i relativi pesi e sommati
2. Le somme successive vengono elaborate dall'attivazione del neurone, il cui output è l'output dei neuroni.

È il neurone di attivazione eseguire che fornisce non linearità al manichino comunità neurale. Con fuori di esso, non ci è una cosa come un motivo per avere strati nascosti e la comunità neurale si trasforma in un manichino lineare auto-regressiva (AR). ☝ Non posso presentare alcun tipo di assistenza come la codifica (insieme con il codice di fornitura) e il servizio di risoluzione dei problemi. Per ora, è possibile che userete questo indicatore fintanto che siete armati con i dati/talento del modo di utilizzare l'indicatore standard TDI. Si può inoltre regolare i parametri/impostazioni basate principalmente nella vostra scelta. ☢ Dal modo in cui, non ci sono alcuna assicura che questi indicatori funzionano completamente o con errori fuori. Pertanto, utilizzare a vostra minaccia individuale; Mi accontento di nessuna responsabilità legale per il sistema di danni, perdite monetarie e anche la mancanza di vita.

Immagine connessa (fare clic su per ingrandire)

Aggiungi Data: 06:24 PM | Martedì, 12 giugno 2018 | Greenwich implica tempo (waktu Greenwich)

File connesso

Neural-Network_Hull-MA_Jurik. ritsleting 128 KB | 64 unduh