شبکه عصبی

[ramkly]

آیا تعداد نرونها در لایه میانی طبق رابطه خاصی حساب می شن یا که تجربی به دست میاند . همینطور تعداد لایه های مخفی هم رابطه دارند که چند لایه مخفی داشته باشیم یا اونم تجربیه.

[shaniaki]

با عرض ادب:
احتمالا منظور شما ساختار پرسپترون هست. در مورد تعداد لایه های مخفی قضیه ای وجود دارد با این مضمون که هر تابع غیر خطی را می توان با یک ساختار پرسپترون با یک لایه مخفی (یعنی با احتساب لایه ورودی و لایه خروجی کلا سه لایه) مدل کرد. اما در عمل به تجربه بدست می آید که برای برخی مسائل تعداد لایه های میانی بیشتر پاسخ مناسب تری می دهند. این مطلب بسته با کاربرد دارد و تجربی است.
از آنجایی که تعداد نورون های لایه های ورودی و خروجی را مسئله مشخص می کند، تعداد نورون های لایه مخفی تنها پارامتری است که پیچیدگی شبکه عصبی و قدرت تقریب آن را مشخص می کند (چرا که تعداد اتصالات به دیگر لایه ها را معین می نماید). پیچیدگی مورد نیاز برای شبکه عصبی هم به سطح پیچیدگی ذاتی مسائله ای که حل می کنید بستگی دارد. اگر تابعی که قرار است تقریب زده شود سطح ساده و همواری دارد، طبعا با کمترین تعداد نورون لایه میانی به پاسخ خواهید رسید اما برای مسائلی که ارتباط ورودی و خروجی ها پیچیده و به شدت غیر خطی است، شبکه عصبی پیچیده تر و دارای تعداد نورون های میانی بیشتری لازم است.
یه نکته وجود دارد و آن هم ارتباط بین تعداد داده های آموزش و تعداد پارامترهای شبکه عصبی(که به تعداد نورون های لایه میانی مربوط است) است. اگر چنانچه داده آموزش شما در دسترس است و فقط همین داده ها را دارید، می توانید معکوس عمل کرده و از روی آن تعداد نورون های لایه میانی را تقریب بزنید. این رابطه در برخی کتب شبکه عصبی بحث شده است.
توصیه من استفاده از روش تجربی برای مسائل ساده است. تحلیل ها این چنینی نیاز به دانش و اشراف کامل به خود مسئله و همچنین شبکه عصبی دارد.

یه ... ...