Ich bin relativ neu in neuronalen Netzen, also war ichrecht interessiert, als ich in meinen Daten auf diesen Trend stieß. Ich habe ein mehrschichtiges Perzeptron-Netzwerk, das die Rückausbreitung ohne Impuls verwendet. Die Lernrate beträgt 0,02 und die minimale Toleranz für Fehler im Training ist 0,01. Das Netzwerk musste lernen, wie man eine xor-Operation auf zwei boolesche Werte korrekt anwendet (ihre Werte sind entweder 1 oder 0). Es gibt verzerrte Neuronen, um der Tatsache entgegenzuwirken, dass das XOR-Problem keine lineare Trennbarkeit hat (nicht sicher, ob ich das richtig formuliert habe). Die Neuronen des Netzes verwenden die Sigmoid-Übertragungsfunktion. Ich habe mich gefragt, warum der Graph in diesem Trend wächst. Nachdem er die Gewichte des Netzwerks erneut randomisiert und wieder trainiert hat, taucht das Diagramm immer so auf. Warum das?
Antworten:
2 für die Antwort № 1Für mich sieht das richtig aus und vielleicht bist du einfach nurdas Diagramm falsch gelesen. Auf der X-Achse haben Sie die Iterationen. Sie können dies als Zeitachse zur Vereinfachung betrachten. Ihre Y-Achse ist der Fehler des Netzwerks (je niedriger desto besser). Im Laufe der Zeit produziert Ihr Netzwerk bessere Ergebnisse (mit geringerem Fehler).