私は、シンボル認識のための簡単なフィードフォワード人工ニューラルネットワークを作成しました。ニューラルネットワークの珍しい結果
5x5ピクセルのグリッドに6つのシンボルのセットがあります。
これらは例えばX
について
{X, +, -, \, /, |}
は次のようになります
マイANN 25個の入力ニューロンから成り0と1の間のグレーノイズの多いエリアの
X = [1,0,0,0,1,
0,1,0,1,0,
0,0,1,0,0,
0,1,0,1,0,
1,0,0,0,1]
値は、(5×5とすることができますグリッド)、6つの隠れニューロン(バイアスあり)、6つの出力ニューロン
各出力ニューロンはシンボルにマッピングされます。 0と1との間の出力は、それが認識するシンボル、すなわち出力ノードの最大値に対してシンボルが選択されることを決定する。
- 出力が{X : 0.9, + : 0.2, - : 0.1, \ : 0.15,/: 0.15, | : 0.2}
の場合、認識されるシンボルはX
になります。
非常にうまくいくようです。
私はテスト入力(上記の6つの記号)を得て、ノイズ関数addNoise(n)
を作成しました。ここで、n
はその入力にランダムに追加されたノイズのパーセンテージです。
0
との間では、2000
回のテストを実行しました(ノイズは毎回わずかにランダムに変化します)。 X
でこれを実行すると、次のグラフが表示されます。
あなたはフルサイズを確認するには、別のページ上の画像を開く必要があります。
Xテスト入力に約40%
(x軸400)のノイズを注入した後にわかりますように、それは他のシンボルの予測を開始します。
X
にノイズが追加されていると、ネットワークが予測される可能性があります。X
と\
です。とにかく
、私の質問は:彼らはX
シンボルに関して同じであるよう
は\
と/
ためのグラフ上の線はほぼ完全に、整列させるべきではないでしょうか。
70%
のノイズの後で、ネットワークはX
と\
を均等に混合します。
しかし、〜88%
のノイズの後、ネットワークはX
と/
を等しく混合します。
なぜネットワークでこのような結果が得られるのですか?