多クラス分類ニューラルネットワーク...私は混乱しています

Question

多分その大きな言葉は、おそらくすべての数と方程式です。私が知っていることと私がやろうとしていることから始めましょう。

私はニューラルネットワークでは、ノードに情報を他のノードに送信するなどのことを理解しています。私は、マルチクラス分類ニューラルネットワークで、ノードを複数の機能で最適化しようとしていること、そしてこれを訓練する必要があることを理解しています。今私が理解しているかどうかは正しい...移動する

私がしようとしているのは、私が答えようとしているクラスの問題を理解することです。この問題は、少なくとも10^5個の特徴を持つ多クラス分類ニューラルネットワークのアルゴリズムを設計し、それから少なくとも10^9回訓練する必要があるという質問をします。

これを解決するための私の現在の考え方のプロセスです。理論的には非常に簡単ですが、簡単な説明のためにこれを最小のノードにスケールします。最初に私は入力ノードを持っていて、私の目標は出力ノードに到達することです。 1つの入力ノードには機能があり、その10^5のすべての機能を10^9の列車に入れ、出力ノードにすべて戻します。このアルゴリズムに何か問題が

あります：このような何かを見て？ 私は実際に働くことを提案していますか？ 私はこれを正しく理解していますか？ 私はそれが私が間違っている場合、私が間違っている場合、私は間違っている方法を説明してください説明したように簡単にする必要がありますか分からない。

Answer 1

通常、ニューラルネットワークはこのように設計されています。ノードはいくつかのレイヤーに分かれています。第1の層は入力層であり、フィーチャごとに1つの入力ノードがある。最後のレイヤーは出力レイヤーで、これは学習するクラスごとに1つのノードを持ちます。最も単純なケースでは、隠れたレイヤーと呼ばれるレイヤー間だけが存在します。いくつかの隠れた層がある場合、深い神経ネットワークと呼ばれます。ここで

はclassifying digitsのために例のニューラルネットワークである：

あなたが最初に後方再びネットワークを経由してシフトに重みを変更し、その後、ネットワークを介して前進することにより、試料を分類し、ニューラルネットワークを訓練するとき正しい方向にわずかに結果が出ます。これはbackpropagationと呼ばれます。

これらの概念をよりよく理解するために、いくつかの例とチュートリアルを参照してください。例えば、Thisである。