필자는 시계열 데이터 (온도, 습도, 소음 수준 및 기타 매개 변수가 거의없는 데이터 유형)가 많습니다. 이 모든 것을 바탕으로 나는 복잡한 기계를 멈추게 할 것인가를 결정해야한다. 이것은 기계 고장 예측을위한 것입니다.의사 결정을위한 SOM 신경망 - 어떻게 접근 하는가?
누군가가 내가 코호 넨 네트워크를 사용한다는 것을, 충고, 그런데 왜 코호 넨을 설명해 couldnt한다. 이런 응용 프로그램에 정말 좋은 생각입니까?
어떻게 네트워크를 디자인해야합니까? 얼마나 많은 뉴런이 입력 되었습니까? 하나의 학습주기에 얼마나 많은 (역사적) 데이터를 넣을 수 있습니까?
2 차원 행렬/테이블을 만들 것이라고 생각했습니다. 즉, 열과 행을 말합니다. 하나의 열에는 하나의 유형의 데이터 (온도)가 포함되며 모든 행은 한 번에 많은 매개 변수를 측정합니다. 그것에 관한 모든 팁/제안/조언?
내가 16 입력 1 개 출력 (숨겨진 레이어)와 네트워크를 생성하는 경우? Kohonen 네트워크가 될 것입니까? 그것은 반전 된 SOM처럼 보입니다 ... – Kamil
Kohonen 네트워크가 아닙니다. 그들은 작동 방식, 교육 방법 등 모두 완전히 다릅니다. 피드 포워드 네트워크의 숨겨진 계층의 목적은 네트워크는보다 복잡한 문제를 다룰 수 있습니다. – Sherlock
2 층 네트워크, 1 출력, 16 입력을 의미했습니다. 숨겨진 레이어 (모든 Kohonen 네트워크에는 없습니까?)를 비롯하여 어떻게 작동하는지 알고 있습니다. 네트워크가 코 호넨 (Kohonen)이고 그렇지 않은 경우에는 그 호칭에 호기심이 생깁니다. – Kamil