신경 순 입력/출력

Question

누구든지 팀 통계, 날씨, 주사위, 복소수 유형과 같은 더 복잡한 데이터 세트를 수행하는 방법을 설명해 줄 수 있습니까?

나는 모든 수학과 모든 것이 어떻게 작동하는지 이해합니다. 더 복잡한 데이터를 입력하는 방법을 모르고 데이터를 읽는 방법을 이해합니다.

누군가가 파이썬으로 예제를 제공 할 수 있다면 큰 도움이 될 것입니다.

Answer 1

입력과 출력을 신경망 단위로 표현할 수있는 것으로 인코딩해야합니다. (예 : "X의 경우 1은 특정 속성 P"-1의 경우 "x는"x가 속성 P가 없음 "-1, 1]에있는 경우)).

입력을 인코딩하는 방식과 출력을 해독하는 방식은 신경망을 훈련하려는 내용에 따라 다릅니다.

또한, 다양한 작업에 대한 많은 "신경망"알고리즘 및 학습 규칙 (뒤로 전파, Boltzman 기계, 자체 구성 맵)이 있습니다.

Answer 2

당신의 기능은 실수로 표시 될 수있는 부품으로 분해되어야합니다. 신경 그물의 마법은 블랙 박스입니다. 훈련 중에 올바른 연관성 (내부 무게로)이 만들어집니다.

---

입력

상황을 정확하게 설명하기 위해 필요한만큼의 기능을 선택한 다음 각각의 실제 가치 숫자 세트로 분해하십시오.

• 날씨 : [오늘 온도, 오늘 습도, 어제 온도, 어제 습도 ... 오늘의 온도와 오늘의 습도 사이의 연관성은 내부적으로 이루어집니다.
• 팀 통계 : [AVE 높이, AVE 무게, 최대 높이, 최고 점수, ...
• 주사위: 내가 이것을 이해하는지 잘 모르겠습니다. 이산 값을 인코딩하는 방법을 의미합니까?*
• 복소수 : [A,일체 포함,비,바이,...]

* 이산 가치가있는 기능은 까다 롭지 만 여전히 여전히 (0.0,1.0)으로 인코딩 될 수 있습니다. 문제는 임계 값을 배우기 위해 기울기를 제공하지 않는다는 것입니다.

---

출력

출력이 원하는 것을 결정한 다음 해당 형식으로 교육 예제를 인코딩합니다. 출력 값이 적을수록 훈련이 쉬워집니다.

• 날씨 : [내일의 비가 내 기회, 내일의 온도, ...] **
• 팀 통계 : [승리 기회, 20 개 이상의 승리 기회 ...
• 복소수 : [x,xi,...]

** 여기 당신의 훈련 벡터는 다음 날 비가 오면 1.0, 그렇지 않은 경우 0.0입니다.

---

물론, 문제가 실제로 신경망에 의해 모델링 될 수 있는지 여부는 다른 질문입니다.

Answer 3

더 복잡한 데이터는 일반적으로 입력 및 출력 레이어에 더 많은 뉴런을 추가하는 것을 의미합니다.

레지스터의 각 "필드"를 공급하거나 각 입력 뉴런에 실제 값 (정규화 등)으로 올바르게 인코딩하거나 비트 필드로 더욱 분해되어 1 또는 0의 포화 입력을 뉴런에 할당 할 수 있습니다. ... 출력의 경우, 신경망을 훈련시키는 방법에 따라 다르면 교육 세트 출력을 모방하려고합니다.

Answer 4

문제에 필요한 입력 및 출력에 대한 단위 수를 추가해야합니다. 근사치로 알려지지 않은 기능이 의존하는 경우 N 매개 변수, 당신은 n 입력 장치가 있습니다. 출력 단위의 수는 기능의 특성에 따라 다릅니다. 실제 매개 변수가없는 실제 기능의 경우 하나의 출력 장치가 있습니다.

예를 들어 시계열의 예측에서 일부 문제는 함수의 M 성공 값에 대한 M 출력 단위가 있습니다. 인코딩은 중요하며 선택 알고리즘에 따라 다릅니다. 예를 들어, 피드 포워드 네트에 대한 역전에서는 분류 작업과 마찬가지로 이산 입력에서 더 많은 수의 기능을 변환하는 것이 좋습니다.

인코딩의 다른 측면은 데이터 양의 기능에서 입력 및 숨겨진 장치의 수를 평가해야한다는 것입니다. 데이터와 관련된 단위가 너무 많으면 과정 FF 차원 문제로 인해 근사치가 좋지 않을 수 있습니다. 경우에 따라 해당 문제를 피하거나 일부 감소 메커니즘을 PCA로 사용하기 위해 어떤 방식으로 입력 데이터를 집계 할 수 있습니다.