سوال : تقریب توابع
 

با عرض سلام خدمت دوستان عزیز
من روی تحقیقی کار می کنم که در آن قرار است رابطه میان یک سری داده ها به روش شبکه های عصبی تقریب زده شود. داده ها (الگوها) حدود 1300 تا هستند بطوریکه ورودی ها سه بعدی و پاسخ یک بعدی است. برای حل مسئله از شبکه های عصبی پیشخور دولایه استفاده کردم که حدود 800 نرون لازم است تا با روشهای یادگیری مارکوارت-لونبرگ و یا گرادیان مزدوج به همگرائی قابل قبولی برسم.
سوال من اینجاست که ارائه این حجم از نرونها در مقاله یا پروژه ای غیرعادی نیست؟؟ آیا روشی هست که بتوانم تعداد نرون ها را کاهش بدهم و به همگرائی مورد نظر دست پیدا کنم؟؟؟

ببخشید در این فروم کسی نیست که به این سوال ابتدائی من جوابی بده؟!!:54:

دوست عزیز...

من مدتی روی یک طرح کار کردم که شبیه طرح شما بود. البته من از الگوریتم Lolimot استفاده کردم. شبکه جوری کار می کنه که تعداد Neuron ها با توجه به تعداد داده ها و خطای سیستم که کاربر باید تنظیم کنه مشخص می شد. به عنوان مثال برای چیزی حدود ۱۵۰۰ داده ۳ بعدی ، با خطای مطلق ۰.۰۱ نیاز به اگز اشتباه نکنم ۸ Neuron بود. چون یک چنین کاری را با Feed Forward Network انجام ندادم دقیقا نمی توانم بگویم که عددی که شما دارید درست است یا نه. فقط می دانم که این عدد خیلی خیلی بزرگ است! و خیلی منطقی به نظر نمی رسد.

خیلی از توجه و راهنمائی شما متشکرم ...
اگه از تعداد نرونهای کمتر استفاده کنم مقدار میانگین مربعات خطا اصلا قابل قبول نیست مثلا با تعداد 50 نرون mse از 3000 کمتر نمیشه. می دونید چرا چنین حالتی رخ میده؟
میشه لطف بفرمایید در رابطه با الگوریتمی که بهش اشاره فرمودید بیشتر توضیح بدید؟؟