Ponieważ wiele z tych witryn znalezionych na google użyć notacji matematycznej i nie mam pojęcia, co każdy z nich oznacza, że chcesz, aby feedforward sieci neuronowej takiego:
n1
i1 n3
n2 o1
i2 n4
n3
Teraz może ktoś mi wyjaśnić, jak znaleźć wartość o1? Jak to możliwe, aby neuron aktywny gdy żadna z jego wejścia są aktywne?
Jeśli żadna z tych wejść są na żywo, to nie dostanie nic z wyjściem.
Minęło sporo czasu, odkąd spędziłam trochę czasu na to, ale z powrotem w ciągu dnia, byśmy dodać szum do równania. Może to być w formie nakładów, które są zawsze albo przez dodanie małej ilości losowo do każdego wejścia przed wpychając go w sieci neuronowej.
Co ciekawe, zastosowanie szumu w sieci neuronowych wykazano mieć analog biologiczną. Jeśli starasz się coś usłyszeć, i dodać w kawałku białego szumu, to sprawia, że łatwiej usłyszeć. To samo dotyczy widząc.
Co do początkowego pytania - Jak znaleźć się wartość O1 zależy ...
http://www.cheshireeng.com/Neuralyst/nnbg.htm
Ma pewne podstawowe informacje na temat matematyki.
Ponieważ sprawa nie jest jasna dla mnie ... Powiem tak w przypadku jest to, czego szukasz:
Często neuron bias jest dodawany do wejścia i ukrytych warstw, aby umożliwić przypadku jesteś wspomnieć. Ten dodatkowy neuron jest zawsze aktywny i służy do obsługi przypadek, gdy wszystkie inne neurony na warstwie są nieaktywne.
To pytanie jest dobrym przykładem tego, dlaczego „Sieci neuronowe” zrobić taką zadziwiająco słabe pracę emulacji zachowanie neuronów rzeczywistych. Większość prawdziwych neurony mają samoistną (lub „naturalne”), tempo, w jakim oni ogień potencjały czynnościowe, bez wkładu ze wstępnie synaptycznych neuronów. Efekt pre-synaptycznych neuronów jest prawie zawsze, aby przyspieszyć lub spowolnić ten samoistną szybkość wypalania, aby nie wytwarzać jeden potencjału czynnościowego w post-synaptycznych neuronów.
Dlaczego nie „Sieci neuronowe” typowo Model ten fenomen? Nie wiem - trzeba by zapytać ludzi, dla których „ podejście inspirowane biologią ma mniej lub bardziej opuszczony na bardziej praktyczne podejście oparte na statystykach i przetwarzania sygnałów ”.
