Skocz do zawartości

Wyszukaj

Wyświetlanie wyników dla tagów 'SSN' .

  • Wyszukaj za pomocą tagów

    Wpisz tagi, oddzielając je przecinkami.
  • Wyszukaj za pomocą nazwy autora

Typ zawartości


Forum

  • Nasze forum
    • Informacje
    • Pomysły i sugestie
    • Społeczność
    • Dyskusje o Linuksie
  • Wsparcie społeczności
    • Początkujący...
    • Instalacja i aktualizacja
    • Programy i przeglądarki
    • Środowiska graficzne
    • Sprzęt i sterowniki
    • Gry i rozrywka
    • Pozostałe
  • Administracja i konfiguracja
    • Administracja systemowa
    • Sieci lokalne
    • Serwery i zarządzanie
    • Bezpieczeństwo
  • Dystrybucje klasy Enterprise
    • Red Hat Enterprise Linux
    • EuroLinux / EuroLinux Desktop
    • Inne dystrybucje Enterprise
    • Szkolenia i certyfikaty
  • Offtopic
    • Programowanie
    • Hyde Park
    • Archiwum

Znajdź wyniki...

Znajdź wyniki które...


Data utworzenia

  • Rozpoczęcie

    Zakończenie


Ostatnia aktualizacja

  • Rozpoczęcie

    Zakończenie


Filtruj po ilości...

Dołączył

  • Rozpoczęcie

    Zakończenie


Grupa podstawowa


AIM


MSN


Strona www


ICQ


Yahoo


Jabber


Skype


Skąd


Zainteresowania


Ulubiona dystrybucja


Środowisko graficzne


GG


TlenID


SkypeID


JID

Znaleziono 1 wynik

  1. Witam Mam mały problem ze skryptem z sieci neuronowych (to jest mój pierwszy program z ANN) i miałbym prośbę o wskazówkę jak wyuczyć poniższą sieć: 1. Mam sieć złożoną z węzłów: wejściowego in, wyjściowego out oraz 8 neuronów n_1, ..., n_8. 2. Dla każdego neuronu mam takie połączenia: in -> n_i z wagą w_i oraz bias równe u_i . n_i -> out z wagami v_i oraz bias dla out równe v_0 3. Chcę wyuczyć taką sieć następującej funkcji 0->1, 1->0, 2->0, 3->1. 4. Korzystam z funkcji sigmoidalnej: sigma = function(x) (1 / (1 + exp(- x * beta))) # Beta stałe 5. Początkowe wartości wektorów w, v, u oraz liczbę v0 losuję: w = sample(seq(-10, 10, by = 0.1), n, replace = FALSE) u = sample(seq(-10, 10, by = 0.1), n, replace = FALSE) v = sample(seq(-10, 10, by = 0.1), n, replace = FALSE) v0 = sample(seq(0, 10), 1) 6. Sieć trenuję za pomocą następującej funkcji: train = function(argument, value, eta) { h <- sigma(w * argument - u) o <- sigma(sum(v * h) - v0) d0 <- o * (1 - o) * (value - o) dh <- h * (1 - h) * v * d0 dv <- eta * d0 * h dv0 <- - eta * d0 dw <- eta * dh * argument du <- - eta * dh w <<- w + dw u <<- u + du v <<- v + dv v0 <<- v0 + dv0 } 7. Moje pytanie jest następujące: jak powinienem wytrenować tą sieć i dobrać współczynniki beta oraz eta? Do tej pory próbowałem wybierać beta = 1, ..., 10 oraz trenować poprzez for (eta in seq(0.7, 0.0001, by = -0.000001) {...} , ale coś nie działa. Z góry dziękuję za pomoc i pozdrawiam
×
×
  • Dodaj nową pozycję...