tеstеr
Сообщений: 377
Оценки: -46
Присоединился: 2008-02-08 17:56:40.563333
|
Так не ищи пример, просто напиши. Не знаю что такое вероятностная нейронная сеть, представляю это так. Пусть есть 4 характеристики у входных данных, и 10 классов, по которым надо раскидать эти входные данные. Тогда распределение слоёв такое: 1->*4->*10. Входной (1) "синопс" получает на вход элемент (пускай это живое существо) и выделяет из него известные характеристики: х1 - вес, х2 - длина хвоста, х3 - наличие лёгких, х4 - максимальный возраст взрослой особи. Эти 4 характеристики подаются на слой из 4-х элементов, каждый из которых вычисляет вероятность принадлежности к одному из 10-ти классов по указанной характеристике. Например, если длина хвоста не задана, то на все выходы подаётся 1. Если длина хвоста > 10 см, то это не заяц, … Последний слой, состоит из множества вероятных животных, каждый элемент принимает 4 входа, умножает их на свои коэффициенты (вырабатываемые в процессе обучения), и формируем вероятность того, что переданное животное - заяц, волк, …. То что выделил только 3 слоя, лишь два из которых обучаемые (первый слой фиктивный, он просто распределяет) - у них настраиваются коэффициенты на входы (у 3-го слоя) и выходы (у 2-го слоя), это не принципиально. Возможно, ты реализуешь иначе и "второй слой" будет у тебя состоять из 40-ко слоёв по 100 элементов в каждом. Вроде всё просто.
|