人工ニューラルネットワークの設計上の問題は何ですか？

人工ニューラルネットワークは、生物学的ニューラルネットワークの機能に基づくシステムです。生体神経系のシミュレーションです。人工ニューラルネットワークの特徴は、いくつかの構造があり、いくつかのアルゴリズムの方法が必要でしたが、複雑なシステムであるにもかかわらず、ニューラルネットワークは簡単です。

これらのネットワークは、ディレクターのツールボックス内の特定の信号処理科学の間にあります。この分野は非常に学際的ですが、このアプローチでは、ビューがエンジニアリングの観点に限定されます。

エンジニアリングでは、ニューラルネットワークはパターン分類器と非線形適応フィルターとして2つの重要な機能を生成します。人工ニューラルネットワークは動的であり、データから関数（入力/出力マップ）の実行を学習する非線形システムを提供します。アダプティブは、システムパラメータが操作中に変更されることを表します。これは、トレーニングフェーズと呼ばれることがよくあります。

トレーニングフェーズの後、人工ニューラルネットワークのパラメータが修正され、システムは目前の問題の解決を開始します（テストフェーズ）。人工ニューラルネットワークは、パフォーマンステストを改善するため、または通常は学習ルールと呼ばれる明確な内部制約に従うために、体系的な段階的な手順で作成されます。

考慮しなければならない次の設計上の問題があります。これらは次のとおりです-

入力層のいくつかのノードを決定する必要があります。数学またはバイナリの入力変数ごとに入力ノードを作成できます。入力変数がカテゴリ型の場合、カテゴリ型の値ごとに1つのノードを作成するか、[log ₂を使用してk-ary変数を暗号化できます。 k]入力ノード。

出力層に複数のノードを作成する必要があります。 2クラスの問題の場合、単一の出力ノードが必要であることが適切です。 kクラスの問題の場合、k個の出力ノードがあります。

隠れ層や隠れノードの数、フィードフォワードまたはリカレントネットワーク構造などのネットワークトポロジを選択する必要があります。ターゲット関数の説明は、接続の重み、複数の非表示ノードと非表示レイヤー、ノードのバイアス、および活性化関数のタイプに基づいています。適切なトポロジーを発見することは簡単な作業ではありません。

1つの方法は、十分に多数のノードと隠れ層を持つ完全に接続されたネットワークから開始し、次に少数のノードでモデル構築構造を繰り返すことです。この方法は中程度にすることができます。または、モデル構築構造を繰り返す代わりに、複数のノードを削除し、モデル評価プロセスを繰り返して、適切なモデルの複雑さを選択することもできます。

重みとバイアスを初期化する必要があります。通常、ランダムな割り当てで十分です。

値が欠落しているトレーニングインスタンスは、削除するか、最も可能性の高い値で復元する必要があります。