Ich versuche, die Effizienz der Neuronalen Netze als Näherungsfunktionen zu testen.Neuronale Netzwerk Approximationsfunktion
Die Funktion, die ich approximieren muss, hat 5 Eingänge und 1 Ausgang, welche Struktur sollte ich verwenden?
Ich habe keine Ahnung, welche Kriterien angewendet werden sollten, um die Anzahl der versteckten Ebenen und die Anzahl der Knoten für jede Ebene festzulegen.
Vielen Dank im Voraus, Grüße
Giuseppe.
Ich verwende immer eine einzige versteckte Ebene. Theoretisch gibt es keine Funktionen, die durch 2 oder mehr verborgene Schichten approximiert werden können, die nicht mit 1 angenähert werden können. Um eine einzelne versteckte Ebene komplexer zu machen, fügen Sie weitere versteckte Knoten hinzu.
In der Regel wird die Anzahl der verdeckten Knoten variiert, um die Auswirkung auf die Modellleistung (gemessen anhand der Genauigkeit oder was auch immer) zu beobachten. Zu wenige versteckte Knoten führen zu einer schlechteren Passung aufgrund von Unteranpassung (die Ausgangsfunktion des neuronalen Netzwerks ist zu einfach und verpasst wichtige Details in den Daten). Zu viele versteckte Knoten führen zu einer schlechteren Passung aufgrund von Überanpassung (das neuronale Netzwerk wird so flexibel, dass es jedes Bit des Rauschens in den Daten nachjagt).
Beachten Sie, dass Sie für Klassifikationsprobleme mindestens 2 versteckte Ebenen benötigen, wenn Sie konkave Polygone trennen möchten.
Ich bin mir nicht sicher, wie die Anzahl der versteckten Ebenen die Funktionsapproximation beeinflusst.