Исходя из таблицы, оптимальной структурой для данной сети являестся сесть с Гауссовыми активационными функциями.
Вых1
Вых2
Вых3
Вых4
Вых5
Вых6
Вых7
Вых8
Вых9
R квадрат
1,0000
0,9995
0,9999
СКО
0,002
0,001
0,007
0,004
Относ СКО %
0,155
0,195
0,073
0,057
0,082
0,166
0,722
0,084
0,351
НС после обучения показывает не очень хорошие обобщающие данные. Неплохие обобщающие данные сеть в середине интервала.
Скорость обучения и начальный момент на качество обобщения не влияют.
Сеть Ворда с двумя блоками в скрытом слое.
Структура НС:
1. количество слоев: 4
2. количество нейронов:
а) во входном слое: 63
б) в выходном слое: 9
В таблице отражена зависимость минимальной средней ошибки на тренировочном и тестовом наборах и времени обучения от вида функций активации.
Скорость обучения = 0,1; момент = 0,1
Таблица данных
1 скрытый слой
2 скрытый слой
Min средняя ошибка
Время обучения
Функция активации
Кол-во нейронов
на тренировочном наборе
на тестовом наборе
Комп.Гауссова
24
Комп. Гауссова
0,0000016
0,0005358
04:42
Гауссова
0,0000017
0,0019529
03:58
логистическая
0,0000058
0,0003688
02:18
0,0000043
0,0006007
01:35
Исходя из таблицы дла данной сети оптимальными будут гауссовы функции активации.
1.0000
0.9992
0.9999
0.9995
0.002
0.009
0.003
0.001
0.021
0.152
0.910
0.275
0.107
0.320
0.133
2.112
0.128
0.153
Данная сеть после обучения показывает хорошие обобщающие данные.
Сеть Ворда с двумя блоками в скрытом слое и с обходным соединением
3. активационная функция
а) во входном слое: линейная
б) в выходном: логистическая
компГауссова
0,0000013
0,0034898
02:59
0,0000005
0,0065507
05:21
0,0037426
02:29
логистческая
0,0000147
0,0019549
00:38
Исходя из таблицы дла данной сети оптимальными будут функции активации Гауссова для 1 слоя и Комплем. Гауссова для 2 слоя.
0,9986
0,9983
0,9994
0,9996
0,9977
0,9979
0,008
0,013
0,012
0,006
0,014
0,015
0,690
0,760
1,258
0,692
1,230
0,746
0,620
1,429
1,512
Страницы: 1, 2, 3, 4