인공 신경망의 정규화 개념을 이해하는 데 문제가 있습니다. 그것이 어떻게 작동하는지 설명 할 수 있다면. 예를 들어, 입력 농구 스코어 58-72을 원하거나 입력 단어 "cat"(자연어)을 원한다면. 범위가 [-1,1] 인 경우 어떻게 작동합니다. 나는 ANN과 정규화 개념에 대해 매우 새로운 것을 알고있다.인공 신경망의 정규화
3
A
답변
0
이렇게하는 한 가지 방법은 입력을 비트 인코딩하는 것입니다. 최대 길이 입력 문자열의 비트 당 하나의 뉴런을 가짐; 0을 -1로, 1을 1로 출력합니다. 비트 열을 출력으로 사용하려면 양수 출력을 1로, 음수 출력을 0으로 해석하십시오.
0
기능 정규화는 특히 하나 이상의 변수 . 그리고 그것은 동일한 규모로 다른 특징들을 만드는 것을 목표로합니다. 스케일링은 하나 이상의 피쳐가 나머지보다 더 큰 값을 취할 때 요구되는 많은 추가 반복을 피함으로써 그라디언트 디센트 (신경망의 역 전파를 말함)를 가속화합니다.
정규화가 필요한 또 다른 이유는 신경망의 출력 계층에서의 물류 함수 (또는 시그 모이 드 함수)에 관한 것입니다. [-1,1] 범위 내의 입력은 활성화 함수의 선형 특성을 매우 잘 나타냅니다. 데이터를 정규화하지 않으면 농구 스코어의 예에서 입력으로 58 또는 72가 Sigmoid 출력을 1에 가깝게 이끌 것이므로 분류 문제에서 임계 값을 매우 어렵게 만듭니다.
관련 문제
- 1. 자세 추정에서 인공 신경망의 적합성
- 2. OCR과 인공 신경망의 관계는 무엇입니까?
- 3. 인공 신경망의 입력을 정규화해야하는 이유는 무엇입니까?
- 4. 인공 신경망의 람다, 에타 및 알파의 적합한 범위는 무엇입니까?
- 5. 신경망을 이용한 인공 생명
- 6. 데이터가 데이터베이스에 저장 될 때 인공 데이터 정규화
- 7. 신경망의 정밀도
- 8. 인공 프로젝트의 인공 로컬 저장소
- 9. 신경망의 학습 오류 피팅
- 10. 신경망의 목표 값
- 11. 신경망의 분할 오류
- 12. 신경망의 장점과 단점
- 13. Matlab 신경망의 문자 인식
- 14. theano - 신경망의 출력을 평가하십시오.
- 15. Tensorflow 신경망의 기능 표현
- 16. 길쌈 신경망의 깊이 해석
- 17. 회선 신경망의 필터 시각화
- 18. 신경망의 숨겨진 레이어 설계
- 19. 신경망의 오차 차이 계산
- 20. URL을 정규화/정규화 하시겠습니까?
- 21. 인공 지능
- 22. 인공 신경 네트워크에 대한 일반 영어 자습서?
- 23. 인공 지능 프레임 워크를 학습하는 시스템을위한 설계
- 24. 수식 분류/계산을위한 인공 신경망
- 25. 컨벌루션 신경망의 올바른 아키텍처는 무엇입니까?
- 26. 컨볼 루션 신경망의 레이어 수
- 27. 훈련 데이터에 신경망의 반응이 보장됩니까?
- 28. 컨볼 루션 신경망의 비용 함수
- 29. 신경망의 노드 (에이전트)를 C#
- 30. 정규화/정규화 된 URL 일치