Yoshua Benhgio упоминает, чтоКакие алгоритмы были предложены для изучения архитектуры глубокой нейронной сети? <a href="http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf" rel="nofollow noreferrer">Learning Deep Architectures for AI</a> книга
мы должны [...] стремиться к разработке алгоритмов обучения, которые используют данные, чтобы определить глубину архитектуры фи NAL.
Кто-нибудь знает какие-либо алгоритмы, предлагаемые до сих пор для достижения этого?
Этот вопрос не об успешных алгоритмах - на самом деле, похоже, в данный момент их нет. Цель этого вопроса состоит в объединении каждого алгоритма, который когда-либо был предложил, так что всем, кто интересуется темой, не нужно тратить месяцы на их поиск.
До сих пор я встречал:
- tiling algorithm
- преимущество: добавляет слои, а также блоки
- нюанс: только для изучения булевых функций, которые не являются слишком актуальным для прикладных задач.
- Генетические алгоритмы (любезность пользователя vzn):
- Finding Optimal Neural Network Architecture Using Genetic Algorithms
- Using genetic algorithms to select architecture of a feedforward artificial neural network
- преимущество: узнаёт непрерывные функции, то есть отношение к прикладных задач
- нюанс: вычислительно очень дорого
Удивительно, вы должны перевести свою бумагу по-испански, чтобы мы все могли учиться на ней! насколько велика ваша сеть? (количество слоев, количество нейронов, количество параметров) –
Конечно. Перевод требует некоторого времени, но я это сделаю. Однако таблицы отражают структуру и параметры лучших сетей, а также статистическое исследование результатов. Эта часть содержит только числовые данные, и достаточно ясно понять их достоверность. –
сообщите нам, когда это вне! –