Re: Sieci neuronowe do problemu klasyfikacji

On Wed, 9 Apr 2008 08:52:25 +0200
Wit Jakuczun <wit@mefisto.hades> wrote:

> O jakich cyklach mówisz?

Mówi³em o epoce nauki pomylilem terminologie.
 

> Chodzi Ci o wzór 6.216 i 6.217? 

Tak chodzilo mi o te wzory. 

> Pseudoinwersji nie liczy
> siê wed³ug tego wzoru. Z powodów numerycznych. Spytaj promotora
> jak to DOBRZE liczyæ.

Odpowiadasz jakbys wiedzial ale z jakis dziwnych powodów nie móg³
powiedzieæ.

> 
> Je¶li Ci chodzi o wzór 6.222 to za³o¿enie jest takie, ¿e K jest 
> ma³e w stosunku do M. Zatem nalezy odwróciæ macierz wymiaru KxK
> a nie MxM. (K - liczba neuronów w warstwie ukrytej, M - liczba
> przyk³adów treningowych). 

Nie rozwazalem uzyca tego wzoru widzialem, ze wynikal z bardziej
rozbudowanego wzoru i myslalem ze bedzie bardziej skomplikowany
obliczeniowo, ale widze ze jest prostrzy wiec go zastosuje.

 
> > Jak widaæ jest to ogromna macierz i obliczenie macierzy odwrotnej do
> > niej poprostu odpada. 
> 1) Mo¿na szukaæ odwrotno¶ci iteracyjnie
> 2) Idea sieci radialnej jest taka, ¿eby K by³o ma³e. To jest napisane
> w ksi±¿ce Rutkowskiego. Wa¿ne jest, ¿eby te K elementów by³o m±drze
> dobranych.

ale liczba przyk³adów jest du¿a i trzeba odwracaæ macierz o wymiaram
MxM gdzie M to liczba przyk³adów

> 
> > Moze grupowicze znaja jakies inne wmiare proste
> > do zaimplemenowania/zrozumienia i dobre metody klasyfikacji, odpada knn
> Knn czyli k najbli¿szych s±siadów? Czemu to odpada?
> 
> > i svn.
> > 
> SVM jest dobre. Np. dobiera K elementów wg. pewnego ¶ci¶le
> okre¶lonego kryterium.
> 

te metody odpadaja bo je mam ju¿ zaimplementowane.