Нейрокомпьютинг и его применения в экономике и бизнесе


Адаптивная оптимизации архитектуры сети


Итак, мы выяснили, что существует оптимальная сложность сети, зависящая от количества примеров, и даже получили оценку размеров скрытого слоя для двухслойных сетей. Однако в общем случае следует опираться не на грубые оценки, а на более надежные механизмы адаптации сложности нейросетевых моделей к данным для каждой конкретной задачи.

Для борьбы с переобучением в нейрокомпьютинге используются три основных подхода:

  • Ранняя остановка обучения
  • Прореживание связей (метод от большого - к малому)
  • Поэтапное наращивание сети (от малого - к большому)




Начало  Назад  Вперед