Aangezien veel van deze sites te vinden op google gebruiken wiskundige notatie en ik heb geen idee wat een van het betekent dat ik wil een feedforward neuraal netwerk als dit te maken:
n1
i1 n3
n2 o1
i2 n4
n3
Nu kan iemand mij uitleggen hoe de waarde van o1 vinden? Hoe is het mogelijk om een neuron actief te maken wanneer geen van de ingangen zijn actief?
Als geen van de ingangen zijn leven, dan zul je niet iets uit de output.
Het is al een lange tijd geleden dat ik wat tijd op deze besteed, maar terug in de dag, zouden we ruis toe te voegen aan de vergelijking. Dit kan in de vorm van inputs die altijd aan of door toevoeging van een kleine willekeurige hoeveelheid aan elke ingang duwen voordat het op het neurale netwerk.
Interessant is dat het gebruik van ruis in neurale netwerken blijkt een biologische analoog zijn. Als je probeert om iets te horen en u te voegen in een beetje witte ruis, het maakt het makkelijker om te horen. Hetzelfde geldt voor het zien.
Wat betreft uw eerste vraag - Hoe om uit te vinden van de waarde van o1 is afhankelijk van ...
http://www.cheshireeng.com/Neuralyst/nnbg.htm
Heeft een aantal fundamentele informatie over de wiskunde.
Omdat de vraag is niet echt duidelijk voor mij ... Ik zeg dit in het geval dat het is wat je zoekt:
Vaak een vooroordeel neuron wordt toegevoegd aan de input en verborgen lagen mogelijk te maken voor het geval u het vermelden. Deze extra neuron is altijd actief en wordt gebruikt voor het geval wanneer alle andere neuronen in de laag inactief verwerken.
Deze vraag is een goed voorbeeld van waarom "neurale netwerken" doe zo'n verbazingwekkend slecht werk van het emuleren van het gedrag van de real-world neuronen. De meeste echte neuronen hebben een intrinsieke (of "natuurlijke") snelheid waarmee ze vuren actiepotentialen, zonder input van pre-synaptische neuronen. Het effect van pre-synaptische neuronen is bijna altijd te versnellen of vertragen deze intrinsieke vuursnelheid, een enkele actiepotentiaal niet te produceren in de post-synaptische neuron.
Waarom niet "neurale netwerken" typisch modelleren dit fenomeen? Ik weet het niet - je zou moeten de mensen voor wie vragen: " de aanpak geïnspireerd door de biologie is min of meer in de steek gelaten voor een meer praktische aanpak, gebaseerd op statistiek en signaalverwerking ".
