[Gggee123]

Ej jest tu jakiś Mirek, który byłby w stanie pomoc mi z jednym zadaniem związanym z #siecineuronowe ? Musze zaprojektować prosta sieć MLP, która będzie klasyfikowała wynik w zależności od obszaru na dwie klasy -1, +1. Obszar decyzyjny jest rozgraniczony trójkątem o wierzchołkach ABC (środek obszaru trójkąta powinien dawać wynik klasyfikacji -1, a pozostały obszar +1). Wstawiam poniżej swoje podejście do tego problemu. Udało mi się prawdopodobnie dobrać dobrze wagi w warstwie wejściowej. Ale totalnie już nie rozumiem co robić w następnym warstwie ukrytej. Wydawało mi się, że wystarczy dobrać kolejne wagi w zależności od obszarów decyzyjnych od poszczególnych neuronów, ale sieć wtedy źle klasyfikuje. Prawdopobnie trzeba dobrać jeszcze bias. Czy ktoś jest w stanie mi jakoś udzielić wskazówki?

#pytaniedoeksperta #studbaza #matematyka #sztucznainteligencja #mlp #percetronwielowarstwowy

[sezzart]

@Gggee123: moze wynik w pierwszym nodzie zrzutowac na {-1,1}. wtedy drugi node dostaje bias -2 i znowu wyniki wieksze od 0 rzutujesz na 1, mniejsze od 0 rzutujesz na -1. wtedy tylko pod warunkiem jak wszystkie node'y beda +1 to masz output +1, a jak ktorys bedzie na - to dostaniesz wartość mniejszą niż 3 i zrzutujesz na -1

[Blomex]

@Gggee123: nie znam się na tym kompletnie, ale czy użycie tutaj sieci neuronowej nie jest sporym overkillem?

[Gggee123]

@sezzart: Dzięki wielkie, popróbuje

[Gggee123]

@Blomex: Tak, ale to ma pokazac sam zamysł stosowania bias’u w percetronach wielowarstwowych i to, że umożliwiają separacje problemów nieseparowalnych liniowo

[Bejro]

@Gggee123: Tak jak wyżej, pierwsza warstwa sprawdza położenie względem każdej krawędzi a druga sprawdza czy 3 warunki są spełnione. Powinieneś mieć równe wagi i bias taki, że jak 3*w>b to masz daną aktywację.

[Gggee123]

@Bejro: Okej czyli w warstwie ukrytej wagi powinny mieć ten sam znak a za bias przyjąć wartość wagi np. 4? Dobrze rozumiem? Przepraszam ale jest to jeszcze dla mnie trochę niejasne i próbuje zrozumieć

[Bejro]

@Gggee123: Wagi ten sam znak i bias 3x ta waga (+ albo -) +- jakaś mała reszta. Np. wagi = -1 i wtedy jak masz 3 outputy po 1 masz wejście do ukretego -3, bias 2.9 -> wyjście f(-0.1) = -1 gdzie f to funkcja schodkowa. Jak chociaż jedno wyjście pierwszej warstwy da -1, wtedy f(-1*(1+1+-1)+2.9) = f(1.9) = 1. Ogólnie bias w tym przypadku powinien być w (1;3).