Компьютерные книги
Главное меню
Главная Поиск по сайту Добавить материал О нас Карта книг Карта сайта
Реклама
computersbooks.net -> Добавить материал -> Теория программирования -> Боровиков В. -> "STATISTICA. Искусство анализа данных на компьютере" -> 202

STATISTICA. Искусство анализа данных на компьютере - Боровиков В.

Боровиков В. STATISTICA. Искусство анализа данных на компьютере — Спб.: Питер, 2003. — 688 c.
Скачать (прямая ссылка): statistikaiskusstvoanalizadannih2003.djvu
Предыдущая << 1 .. 196 197 198 199 200 201 < 202 > 203 .. 204 >> Следующая


Variable Definition Variahle type in Data Files Variant Verbose

Verification Error

Verification Standard Deviation Ratio

Verification Set Verify

Weigend Weight Regularization Weights Distribution Win Frequencies Datasheet

Период временного ряда Временной ряд (прогноз следующих значении по предыдущим)

Проекция временного ряда Топологические классы Топологическая карта Всего

Обучить, обучающее множество Среднеквадратичная ошибка обучения

Ошибка обучения

График ошибки обучения

График обучения

Обучающее множество

Обучение многослойного персептрона

Преобразование в два значения

Тип

Тип сети Единичная длина Имена элементов Штраф за элемент Номер элемента Неизвестно Разблокировать Пересчитать, обновить Значение

Определение переменной

Тип переменных в файлах данных

Вариант

Подробно

Контрольная ошибка

Контрольное отношение стандартных

отклонений

Контрольное множество Контрольное (множество) Регуляризация весов по Впгенду Распределение весов Таблица частот выигрышей

Функции активации, реализованные в SNN

Все эти функции доступны в окне Network Editor, вызываемом из меню Edit — Network... или с помощью кнопки ] Д на панели инструментов.
684

Приложение 3

Линейная. Уровень активации нейрона передается на выход в неизменном виде. Эта функция используется в сетях различных типов, в том числе линейных, а также в выходных слоях сетей радиальных базисных функций.

Логистическая. Ее график имеет форму S-образной кривой, выходные значения лежат в интервале (0,1). Этот тип функций активации нейронов используется в сетях наиболее часто.

Гиперболическая. Функция гиперболического тангенса (tanh). Ее график так же имеет вид S-образной кривой, выходные значения лежат в интервале (-1,+1). Эта функция часто дает лучшие результаты, чем логистическая из-за свойства симметрии.

Экспоненциальная с отрицательным показателем. Экспоненциальная функция с ар!ументом со знаком минус.

Софтмакс. Экспоненциальные функции с нормировкой. При использовании этой функции сумма всех активаций в слое становится равной 1. Применяется в многослойных персептронах для задач классификации, так что выходные значения сети можно интерпретировать как вероятности, задающие принадлежность к классу.

Квадратный корень. Функция квадратного кория.

Синус. Может быть полезна для распознавания радиально распределенных данных. По умолчанию не используется.

Кусочно-линейная. Кусочно-линейный вариант S-образной функции.

Ступенчатая (кусочно-постоянная). Дает на выходе значения 0. если аргумент отри цательный. и 1, если аргумент неотрицательный Может использоваться при моделировании простых сетей, например персептронов.

Ниже приведены точные формулы функции активации.

Функции активации

Название__________________________Формула________________________Значения

Линейная *• (-оо,+<х>)

1

Логистическая -------- (0,+1)

1+е

е* - е~х

Г иперболичеечая — ------—- (-1/+1)
Приложение 3

685

название Формула Значения
Экспоненциальная е~* (0, +со)
е1
СОфтмакс (0.+1)
Квадратный корень ? [0, +~)
Синус sln(x) С-1,+1]
[-] *<-1
Кусочно-линейная X ---1 < X < +1 [-1.+1]
1+1 х>+\
Ступенчатая 10 х<0 [0.+1]
[+1 х>0
Функции ошибок, доступные в SNN

Функции ошибок — Error functions выбираются в том же окне Netuork Editor, что и функции активации

Квадратичная. Ошибка полагается равной сумме квадратов разностей между целевыми и фактическими выходными значениями каждого выходного элемента

При обучении сетей такая функция ошибок является стандартной, часто применяется для задач регрессии (построения нелинейных зависимостей).

Городских кварталов. Ошибка равна сумме абсолютных значений разностей между целевыми и фактическими выходными значениями каждого выходного элемента.

Эта функция менее чувствительна к выбросам, чем среднеквадратичная функция ошибок.

Кросс-энтропия (простая и множественная). Ошибка этого типа вычисляется как сумма произведений целевых значений на логарифмы ошибок по всем выходным элементам. Имеется два варианта функции: для сетей с одним выходом (двумя классами) и для сетей с несколькими выходами.

Эта функция ошибок специально предназначена для задач классификации. Ее применение может улучшить результаты классификации сети, особенно если в выходном слое сети используются логистическая (случай одного выхода) ил» софтмакс (несколько выходов) функции активации.
Предыдущая << 1 .. 196 197 198 199 200 201 < 202 > 203 .. 204 >> Следующая
Книги
Web-программирован-
ие
Аппаратное обеспечение Графика Руководство по П.О. Самоучитель Теория программирования Фотошоп Языки программирования
Новые книги
Вирт Н. "Систематическое программирование " (Теория программирования)

Эком "Microsoft Excel 2000 шаг за шагом Русская версия самоучитель " (Самоучитель)

Поляков А.Ю. "Методы и алгоритмы компьютерной графики в примерах Vizual C++" (Графика)

Баяковский Ю.М. "Графическая библиотека Open GL " (Графика)

Валиков А. "Технология " (Языки программирования)
Авторские права © 2013 ComputersBooks. Все права защищены.