2017-07-09 32 views

答えて

0

これは、非常に広範かつ一般的な質問であっても、ここで上にあるようにしても広すぎるかもしれませんが、あなたは、ニューラルネットワークについて知っておくべきいくつかのことがあります。

  1. は、彼らがませメソッドです1つの最適解を見つける。ニューラルネットワークは通常、与えられた例を学び、結果を予測する方法を「把握」する。合理的にうまく。合理的なのは相対的なもので、一部のモデルでは50%の成功を意味し、他のモデルでは99.9%に満たないものは失敗とみなされます。

  2. これらの結果は、訓練されたデータに大きく依存しています。データの順序は重要ですが、通常はトレーニング中にデータをシャッフルすることをお勧めしますが、結果が大きく異なる可能性があります。また、データの品質は重要です - トレーニングデータがテストデータと本質的に非常に異なる場合など。

  3. コンピューティングにおけるニューラルネットワークの最も優れた類推は、もちろん脳です。同じ情報と基本的な基礎となる生物学があっても、私たちは無限の他の変数に基づいていろいろな意見を展開することができます。ある程度はコンピュータ学習と同じこと。

  4. ニューラルネットワークによっては、トレーニング中にネットワークのランダムな部分を遮断するように特別に設計されたdropout層を使用するものがあります。これは最終的な予測プロセスには影響しません。なぜなら、レイヤーは通常ネットワークのすべての部分を動作させるように設定されているため、データを入力してモデルに伝えるのであれば、予測する代わりに "トレーニング"結果は大幅に異なる可能性があります。

このすべての合計がちょうど言うことです:ニューラルネットワークの訓練は、同様の開始条件は異なる結果をもたらすことが期待されなければならない、そのためどのような部品を決定するために、すべての条件のために複数回テストする必要がありますそれは不可避であり、どの部分がそうではないのか。

0

データのシャッフルが原因である可能性があります。同じベクトルを使用する場合は、シャッフル引数をオフにする必要があります。

関連する問題