问基于复杂性增加层的神经网络体系结构？
EN

Stack Overflow用户

提问于 2017-05-22 19:43:12

回答 1查看 49关注 0票数 0

我正在寻找现有的基于训练数据的需求或复杂性/可变性的神经网络体系结构的工作。我发现的一些体系结构包括自组织映射和不断增长的神经气体。只有这一个在外面吗？

我所要寻找的最好的例子是一个简单的场景；如果训练数据只有几个模式，那么神经网络将是2-3层，每个层中都有一小部分节点。如果训练数据更复杂，我们就会看到更深的网络。

这样的工作似乎很少或没有在人工智能的文献。是因为表演比较弱吗？如有任何指导，我将不胜感激。

回答已采纳

发布于 2017-05-23 07:06:26

这方面的一个例子叫做神经进化。您可以做的是将反向支持和进化结合起来，为您的数据集找到最优的结构。Neataptic是提供神经进化功能的神经网络库之一.通过一些简单的编码，您可以将其转化为逆支持+进化。

它的缺点是它将需要更多的计算能力，因为它需要一种遗传算法来运行整个种群。因此，使用神经进化确实会使性能相对较弱。

但是，我认为有更多的技术可以禁用某些节点，如果对输出没有负面影响，它们将被删除。不过我不太确定。

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/44120927

复制

相似问题

问基于复杂性增加层的神经网络体系结构？EN