artemonigiri / simplenn Goto Github PK
View Code? Open in Web Editor NEWLicense: MIT License
License: MIT License
Посмотрел видео, скачал исходники, запустил. Но нет, приложение не работает как на видео, не разграничивает области между точками. Примите меры )
Привет, тоже пишу свою нейронную сеть, и столкнулся с такой проблемой. Если использовать много нейронов, то веса, какими бы маленькими они не были, умноженные на активацию нейрона, в сумме дают большое число. Я его пытаюсь програть по сигмоидной функции и она в результате дает ровно 1.0. И если обучать, то из-за этого при вычислении производной получается примерно так 1.0 * (1.0 - 1.0), что в результате дает 0, и обучение не идет. Я не могу найти в твоем коде, как ты это решил?
Спасибо тебе за твой труд, использую его как шпаргалку, пока изучаю нейросети.
Такой вопрос.
for (int i = 0; i < l1.size; i++) {
for (int j = 0; j < l.size; j++) {
deltas[i][j] = gradients[i] * l.neurons[j];
}
}
Здесь точно должно быть умножение, а не деление? Ведь у нас есть функция x*w=y
. Мы знаем, что хотим изменить y
на g
. x*w=y+g
-> (x*w)-g=y
-> x*(w - g/x)=y
Получается, должно быть deltas[i][j] = gradients[i] / l.neurons[j];
?
Функция обучения в классе Main()
int imgIndex = (int)(Math.random() * samples);
Выбираются случайные данные для обучения.
Может быть стоит сделать чтобы просто выполнялся проход по всем подряд? Ведь там и так большое разнообразие и они уже рандомизированы, достаточно будет просто идти по тем данным которые уже есть и варьировать лишь какую часть данных мы задействуем (все или первые 1000) и сколько раз будем обучать сеть этим данным.
Как думаешь?
Хотел уточнить, чем именно ты руководствовался когда подбирал то или иное количество скрытых слоёв и узлов в них? Это случайный выбор, по результатам тестов или цифры взяты из какой-то статьи?
Хочу поинтересоваться, что за алгоритм ты используешь? Дело в том, что я нашел статью на хабре про нейронные сети и обратное распространение(https://habr.com/ru/post/313216/). Там используется немного другой поиск ошибки для нейронов скрытого слоя. А еще есть ролик на ютубе (https://www.youtube.com/watch?v=HA-F6cZPvrg), там еще один способ. И все из них, включая твой, отличаются, можешь сказать почему сделал именно так?
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.