1. Специфика входных данных сама диктует вид входного слоя. Например, для изображений является стандартом рассмотрение попиксельно, как было в примере. Для аудио информации - частотная картина, для графов - топология графа в форме матрицы сопряженности и т.д.
Добрый день. 1. Что означают (как их понять) ваши слова, что задача определяет входные и выходные слои? Может запишите видео с примерами и пояснениями?
1. Специфика входных данных сама диктует вид входного слоя. Например, для изображений является стандартом рассмотрение попиксельно, как было в примере. Для аудио информации - частотная картина, для графов - топология графа в форме матрицы сопряженности и т.д.
Ещё вопросы: 2. Как выходной слой узнает о том что правильное число, например, 4, как в вашем примере? 3. Почему ответ на выходе с конкретного нейрона мы считываем, а не со всего выходного слоя?
2. В выходном слое происходит просто суммирование сигналов. Какой из нейронов набрал наибольшую сумму - тот и победитель. 3. Мы смотрим на весь выходной слой и находим тот нейрон, у которого максимум суммы. Его номер и называем ответом сети.
Армен, красавчик!
Интересно)
Добрый день.
Что означают (как их понять) ваши слова, что задача определяет входные и выходные слои? Может запишите видео с примерами и пояснениями?
1. Специфика входных данных сама диктует вид входного слоя. Например, для изображений является стандартом рассмотрение попиксельно, как было в примере. Для аудио информации - частотная картина, для графов - топология графа в форме матрицы сопряженности и т.д.
Добрый день.
1. Что означают (как их понять) ваши слова, что задача определяет входные и выходные слои? Может запишите видео с примерами и пояснениями?
1. Специфика входных данных сама диктует вид входного слоя. Например, для изображений является стандартом рассмотрение попиксельно, как было в примере. Для аудио информации - частотная картина, для графов - топология графа в форме матрицы сопряженности и т.д.
Ещё вопросы:
2. Как выходной слой узнает о том что правильное число, например, 4, как в вашем примере?
3. Почему ответ на выходе с конкретного нейрона мы считываем, а не со всего выходного слоя?
2. В выходном слое происходит просто суммирование сигналов. Какой из нейронов набрал наибольшую сумму - тот и победитель.
3. Мы смотрим на весь выходной слой и находим тот нейрон, у которого максимум суммы. Его номер и называем ответом сети.