danialmdt

دوستان سلام
طبق قضیه تقریب جهانی، شبکه های عصبی دولایه با تعداد نرونهای لایه مخفی مناسب قادر خواهند بود انواع نگاشتهای مورد نظر را ایجاد نمایند. اما سوال (و در واقع مشکل) من از این قراره :

ایجاد رابطه ای مناسب برای 32 الگوی ورودی (نوع یادگیری : با ناظر)

چون ورودی ها و خروجی ها یک بعدی اند تعداد نرونهای لایه مخفی را (S * 1 ) در نظر گرفته و بنابراین تعداد نرونهای لایه خروجی (اس * 1) خواهد بود. من مقدار S رو از 2 تا 20 ! تغییر میدهم اما اصلا نگاشت مورد نظر بدست نمی آید. در زیر دو مورد یکی با چهار و دیگری با پانزده نرون رو قرار دادم لطفا ملاحظه بفرمائید... (نقاط قرمز رنگ داده های ورودی و خط آبی رنگ تقریب با روش شبکه عصبی دولایه است.)

اما چرا مثلا تابع y=sinx یا y=x^2 را می توان تنها با دو نرون الی سه نرون به خوبی تقریب زد؟؟؟!!! در واقع شکل مدل من هم تقریبا شبیه به یک سهمی ساده است اما اصلا نتیجه مورد نظر را در خروجی شبکه عصبی نمی توانم بدست آورم!!!

از توجه و راهنمائی شما پیشاپیش ممنونم.

فايل ضميمه

	4 Neron.pdf (11.9 كيلو بايت, 53 نمايش)
	15 Neron.pdf (12.0 كيلو بايت, 46 نمايش)

linuxboy

این سوال من هم هست!

arashkhabaz

با درود به اساتید
خواهشا کتابی اگر را جع به تقریب توابع با شبکه های عصبی دارید برای استفاده همگان قرار دهید

danialmdt

انگار اینجا خبری نیست !!!