180 likes | 369 Views
Experimentálna analýza algoritmu n áhodného výberu váh pre uč e nie neurónových sietí. Vedúci / Konzultant : prof. Ing. Peter Sin čák, Csc. Ing. Rudolf Jakša, PhD Ing. Juraj Koščak. Úvod. zjednodušenie implement á c i e algoritmu BPTT pre rozne topologie siete.
E N D
Experimentálna analýza algoritmu náhodného výberu váhpre učenie neurónových sietí Vedúci / Konzultant: prof. Ing. Peter Sinčák, Csc. Ing. Rudolf Jakša, PhD Ing. Juraj Koščak
Úvod • zjednodušenie implementácie algoritmu BPTT pre rozne topologie siete. • BPTT –implementačne náročný • overenie modifikácie na jednoduchom FF BP učení • využitie náhodného výberu váh pri učení
Werbos - základnáimplementácia • plné prepojenie siete – neexistujú vrstvy • Werbos – batch learning (prip. online)
Kruh v štorci – BP, rBP, rBP+BP • topológia: 2x5x2 • topológia: 2x10x6x2 • iterácii:2500 • alfa moment: 0.95 • gama: 0.01 • lambda: 0.5 • 10 x nahodna inicializácia, spriemerované hodnoty
Predpoklad • Naša modifikácia by mala chodiť pomalšie • Ale mala by chodiť
Kruh v štvorci2x5x2 E iteracia
Kruh v štvorci2x10x6x2 E iteracia
Kruh v štvorci2x10x6x2 E iteracia
Synteticke dáta (SantaFe) – BP, rBP • topológia: 2x5x1 • topológia: 2x10x6x1 • iterácii:4000 • alfa moment: 0.95 • gama: 0.01 • lambda: 0.5 • 10 x nahodna inicializácia, spriemerované hodnoty
Umelé data2x5x2 E iteracia
Umelé data 2x10x6x1 E iteracia
Stratégia do zirtačnej práce • Prvotný experiment – diplomová práca • Preskúmatmetódu náhodného výberu váh v učení • Vzorová implementácia pre rekurentný BP • Reálne dáta - predikcia