Machine learning 提出了哪些算法来学习深层神经网络的结构?
Yoshua Benhgio的书提到了这一点 我们应该[…]努力开发使用数据确定最终架构深度的学习算法 有谁知道迄今为止为实现这一目标而提出的算法吗 这个问题不是关于成功的算法——事实上,目前似乎没有。这个问题的目的是汇总曾经提出过的每一个算法,这样对这个主题感兴趣的人就不需要花费数月的时间来寻找它们 到目前为止,我遇到了:Machine learning 提出了哪些算法来学习深层神经网络的结构?,machine-learning,neural-network,genetic-algorithm,deep-learning,Machine Learning,Neural Network,Genetic Algorithm,Deep Learning,Yoshua Benhgio的书提到了这一点 我们应该[…]努力开发使用数据确定最终架构深度的学习算法 有谁知道迄今为止为实现这一目标而提出的算法吗 这个问题不是关于成功的算法——事实上,目前似乎没有。这个问题的目的是汇总曾经提出过的每一个算法,这样对这个主题感兴趣的人就不需要花费数月的时间来寻找它们 到目前为止,我遇到了: 优点:添加图层和单位 警告:仅用于学习布尔函数,这与应用问题无关 遗传算法(用户提供): 优点:学习连续函数(与应用问题相关) 警告:计算上非常昂贵
-
- 优点:添加图层和单位
- 警告:仅用于学习布尔函数,这与应用问题无关李>
- 遗传算法(用户提供):
- 优点:学习连续函数(与应用问题相关)
- 警告:计算上非常昂贵
- 研究了一种基于神经网络的前向神经网络的结构(单元数和隐层)
- 模拟退火(SA)(而非人工神经网络)的研究
“全局优化”(包括权重)似乎在时间序列分析中非常有前景,以便在不使用递归神经网络的情况下进行预测。可以说,学习神经网络结构最常用的算法是由Scott Fahlman和Christian Lebiere开发的级联相关
你可以找到描述,我以前也在某处看到过C实现,但不记得在哪里。还有其他流行的遗传算法,如NEAT和EANT,它们都是“成长”神经网络。搜索最近关于它们的论文,以获得其他方法(相关工作)的良好概述 除了增长,另一种方法是从一个巨大的完全连接的网络开始,删减连接,直到健康受到影响。米切尔关于机器学习的书给出了一个很好的概述
当然,有各种各样的算法同时使用增长和修剪。它们有时涉及“固定”网络的某些已建立部分,以便不再需要考虑固定权重进行优化 太棒了,你应该把你的论文翻译成西班牙语,这样我们都可以从中学习!你的网络有多大?(层数,神经元数,参数数)当然。翻译需要一些时间,但我会做的。然而,表格报告了最佳网络的结构和参数,以及对结果的统计研究。这部分只包含数字数据,并且足够清楚地理解它们的有效性。请在数据出来时告诉我们!在我的回复中给出的论文链接上,你可以找到一个英文版本。翻译是用谷歌翻译工具完成的,但并不完美。也许你必须使用原始的,以遵循讨论和方程编号。链接不再工作了。是这个吗?