Привет всем,
Для определения оптимальных скрытых нейронов использовался алгоритм проб и ошибок (проба = 10, 10 ‹ H ‹ 100, dH = 100). Я получаю таблицу сверху, но не могу определить оптимальные скрытые нейроны. Таблица содержит (Испытания, Скрытые нейроны, test_mse, train_mse, val_mse, test_R, train_R, val_R)
ОТВЕЧАТЬ
Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab, Помощь по заданию MatLab для студентов, инженеров и исследователей в различных отраслях, таких как ECE, EEE, CSE, Mechanical, Civil со 100% выходом. Код Matlab для BE, B.Tech , ME, M.Tech, к.т.н. Ученые со 100% конфиденциальностью гарантированы. Получите проекты MATLAB с исходным кодом для обучения и исследований.
Я разместил сотни примеров как в ГРУППЕ НОВОСТЕЙ (comp.soft-sys.matlab), так и в ОТВЕТАХ, которые определяют оптимальное количество скрытых узлов, определяемое
1. One Hidden Layer (ALWAYS SUFFICIENT!!!) 2. Minimum Number of Hidden Nodes subject to my practicality constraint TRAINING SUBSET RSQUARE >= 0.99 i.e. 99% of the training subset target variance is successfully modeled by the net. Equivalently TRAINING SUBSET MSE <= 0.01*TRAINING SUBSET VARIANCE 3. COMMENTS & CAVEATS a. The training subset must be a good representative of validation and test data b. A smaller number of hidden nodes can often be obtained by using multiple hidden layers c. The MSE minimization technique used for regression and curvefitting (e.g., via FITNET)is also successful for classification and pattern recognition (e.g., via PATTERNNET) where the minimization function is cross-entropy and the desired result is minimal error rate.
4. Рекомендуемые поисковые слова NEWSGROUP и ANSWERS для FITNET или PATTERNNET.
СМОТРИТЕ ПОЛНЫЙ ОТВЕТ НАЖМИТЕ НА ССЫЛКУ