Комментарии 32
1) Сколько фильтров ставить;
2) Какой тип использовать, КИХ или БИХ;
К тому же их довольно сложно рассчитывать. Он же состоит из СФОИ, линий задержки и сумматора.
Подскажите пожалуйста, как из теоремы Колмогорова следует достаточность такой конфигурации многослойного перцептрона ?
Не могли бы вы пояснить, как осуществляется переход от сигнала во временной области к функционалу ?
1. Почему был выбран именно двухслойный персептрон? На сколько помню сетей много, а данный тип сети «средненький». Возможно другой мог бы дать ещё более точное распознавание
2. Не могли бы вы поделится исходным кодом?
1) Смотря для каких задач, для обработки изображений хорошо подходят сверточные НС, для последовательностей — рекуррентные. Ну а тут вектор фильтровать не надо, и он имеет постоянную длину. Так что персептрон самое то.
Исходным кодом чего, просто я использовал свой фреймворк, для статистики и для создания НС, его код не могу дать. А код какой-то части приложения, для лучшего понимания, пожалуйста.
Нейронные сети типа персептрона способны разделять только линейно разделимые классы.
Нейронные сети типа однослойный персептрон как раз ограничены в типах задач и не способны решать линейно неразделимые задачи. А вот многослойный персептрон как раз-таки был предложен для того, чтобы обойти эту проблему. Просто не хотелось бы сбивать читателя в терминологии.
Вы правы и не правы одновременно, дело в том, что скрытый слой, разделяет пространство признаков линейно, а выходной линейно разделяет пространство, которое формирует скрытый слой, и следовательно получить на выходе плоскость какого-либо другого порядка невозможно. Я писал именно об этом, эта проблема хорошо показана у Саймона Хайкина и Станислава Осовского.
Распознавание радиотехнических сигналов с помощью нейронных сетей