Page 306 - 4703
P. 306

Багатошаровий  персептрон  -  найзагальніша  форма  ме-
           режі. Вона вимагає повторного навчання, яке, можливо, пові-
           льне, але мережі дуже компактні, виконуються швидко одного
           разу навченні і в більшості задач наводять кращі результати,
           ніж інші види мереж.
                Мережі  радіальних  базисних  функцій  прагнуть  бути  бі-
           льшими, ніж багатошаровий персептрон, і часто мають гіршу
           продуктивність. Вони є також зазвичай менш ефективні,  ніж
           багатошарові персептрони, якщо ви маєте великий ряд вхідних
           змінних (вони чутливіші до включення непотрібних входів).
                Також, мережі RBF особливо не підходять для моделю-
           вання  даних    з  категоріальними  входами,  відколи  радіальні
           базисні функції RBF існують у безперервному просторі, а ка-
           тегоріальні змінні дискретні за природою.

                Network complexity (Мережева складність). Специфіч-
           на особливість, за якою потрібно слідкувати - число прихова-
           них одиниць в мережі (мережева складність). Наприклад, якщо
           ви використовуєте стратегію автоматичного пошуку  ANS де-
           кілька разів без створення будь-яких хороших мереж, то, мож-
           ливо, варто розглянути збільшення діапазону мережевої скла-
           дності,  яка  пропонується  стратегією    ANS.  Як  альтернативу,
           якщо  ви  вважаєте,  що  певна  кількість  нейронів  оптимальна
           для вашої проблеми, ви можете тоді виключити чинник склад-
           ності з алгоритму ANS досить просто, встановлюючи діапазон
           прихованих одиниць від Min. hidden units до Max. hidden units.
           Таким  чином  ви  допоможете  стратегії  ANS  зосередитися  на
           інших  мережевих  параметрах  в  її  пошуку  кращої  мережевої
           архітектури  і  специфікацій, на  відміну  від  числа  прихованих
           одиниць,  яке  ви  не  знаєте  апріорі.  Відмітимо,  що  мережева
           складність  встановлюється  окремо  для  кожного  мережевого
           типу.

                Networks  to  train,  networks  to  retain  (Мережі  для  на-
           вчання,  мережі  для  збереження).  Число  мереж,  які  мають
           бути навченими і збереженими, може бути визначене на вкла-
           дці  Quick tab.  Ви можете конкретизувати будь-яке число  ме-
           реж,  які  ви хочете  згенерувати    і  зберегти  будь-яке  число  їх
           після завершення навчання. Якщо ви бажаєте зберігти більш
           ніж  одну  мережу,  то  зможете  користуватися  ними  для  ство-

                                         306
   301   302   303   304   305   306   307   308   309   310   311