저는 다중 계층 신경망을 구축하고 있습니다. 교육 과정과 관련하여 질문이 있습니다. 원하는 결과가있는 일련의 교육 자료가 있습니다. 연결 가중치를 업데이트하기 위해 Backpropagation 알고리즘을 사용하고 있습니다.다중 계층 신경망 - 교육 과정
네트워크 훈련 데이터를 별도로 교육해야합니까? 예 : 네트워크는 원하는 출력에 실제 출력을 제공하는 적절한 연결 가중치를 찾을 때마다 1 입력을받습니다. 네트워크는 또 다른 훈련 입력을받습니다.
이 정확합니까?
아니요, 실제 출력이 목표 출력과 같은지 여부에 관계없이 역 전파 알고리즘은 학습 집합의 다음 요소로 이동해야합니다. 그런 다음 지정된 일괄 처리 크기에 따라 결정된 특정 양의 학습 사례가 지나면 가중치/매개 변수가 업데이트됩니다. 그리고 각 트레이닝 반복에 대해 평균 총 오류는 일반적으로 이전 반복보다 낮아야합니다.
감사합니다! 이게 내가 찾고 있던거야! 오류율은 다음과 같이 계산 될 수있다. 0.5 * [SUM (target-atcual)^2]? – Makaveli
@Makaveli 예, backpropagation을 위해 오류 수정을위한 오류 비용 함수를 정의해야합니다. 언급 한 "0.5 * [SUM (target-atcual)^2]"는 비용 함수의 유용한 유형 중 하나이며, 이는 평균 제곱 오차 비용 함수라고 불린다. 더 많은 것이 있지만, 가장 일반적인 경우에는 그 특별한 비용 함수로 충분합니다. –
대단히 감사합니다! 이것은 많은 도움이되었습니다! 테스트 프로세스 데이터에 출력이없는 경우 어떻게 오류율을 사용하여 출력을 예측할 수 있습니까? – Makaveli
나는 그 질문을 이해하지 못한다. "훈련"과 관련이있는 것은 무엇입니까? 네트워크는 가중치를 조정하여 모든 학습 데이터에 대해 예측 된 값과 관찰 된 값의 차이를 최소화합니다. –
맞아,하지만 네트워크가 가중치를 조정하는 방법에 대해서는 잘 모르겠다. 네트워크가 한 번에 하나의 입력 만 가져옵니다 (교육 데이터에서)? 적당한 무게를 찾으면 .... 또 다른 입력이 필요합니까? – Makaveli
. . 그것이 개념적으로 어떻게 작동 하는가입니다. 정보를 누적 한 다음 덜 가중치를 조정하는 방법이 있습니다. –