Jestem stosunkowo nowy w sieciach neuronowych, więc byłemdość zainteresowany, gdy natknąłem się na ten trend w moich danych. Mam wielowarstwową sieć perceptronową wykorzystującą propagację wsteczną bez pędu. Szybkość uczenia się wynosi 0,02, a minimalny margines błędu dozwolonego w szkoleniu wynosi 0,01. Sieć musiała nauczyć się poprawnie stosować operację xor na dwóch wartościach boolowskich (ich wartościach 1 lub 0). Są tendencyjne neurony, które przeciwdziałają faktowi, że problem xor nie ma liniowej rozdzielności (nie jestem pewien, czy poprawnie to sformułowałem). Neurony sieci używają funkcji transferu Sigmoid. Zastanawiałam się, dlaczego wykres rośnie w tym trendzie. Po ponownym losowaniu wag sieci i ponownym szkoleniu, wykres zawsze pokazuje się w ten sposób. Dlaczego?
Odpowiedzi:
2 dla odpowiedzi № 1Dla mnie wygląda to poprawnie, a może po prostu jesteśbłędne odczytanie wykresu. Na osi x masz iteracje. Można to uznać za oś czasu dla uproszczenia. Twoja oś y to błąd sieci (im niższa, tym lepiej). W miarę upływu czasu podczas treningu sieć daje lepsze wyniki (z niższym błędem).