Page 307 - 4703

рення прогнозів як автономно, так і в ансамблі. Прогнози ан-
самблю добре навчених мереж загалом точніші в порівнянні з
пророцтвами індивідуальних членів.
Якщо ви хочете зберегти усі навчені моделі, встановіть
значення в Networks to train рівним Networks to retain. Проте,
часто краще встановити число збережених мереж меншим, ніж
число мереж для навчання, яке можна встановити досить зна-
чним. Це дозволить SANN зберігати підмножину мереж, які
виконуються краще усього на навчальних даних. З цієї причи-
ни рекомендується встановлювати високе значення в Networks
to train , щоб SANN завершив обчислення даних з багатьма
змінними і випадками для мереж з великим рядом прихованих
одиниць.

MLP activation functions (Функції активації MLP).
Виберіть вкладку MLP activation functions (рис.9.33), щоб роз-
глянути список функцій активації для прихованих і вихідного
шарів мереж MLP. (Зауважимо, що ця опція буде доступною,
коли MLP мережі вибираються в Network types на вкладці
Quick tab). Хоча більшість з типових конфігурацій для ANS
обчислюється відповідно до властивостей даних, іноді необ-
хідно змінити ці конфігурації задані за умовчанням. Напри-
клад, ви, можливо, захочете, щоб пошуковий алгоритм вклю-
чав функцію Sine (не вибрану за умовчанням) як можливу фу-
нкцію активації.

307