Как стать автором
Обновить

Комментарии 6

Спасибо, видел предыдущую статью, ничего толком не понял, в этой намного лучше объяснили. Но меня несколько смутили ваши выводы, в частности:
Нам становится не нужен метод обратного распространения ошибки, для обучения сети.
Разве для этого нам не прийдется для каждой особи, на каждой итерации, считать ответ сети для всей обучающей выборки, для того чтобы определить значение фитнес функции?
А также мы больше не нуждаемся в обучающей выборке.
Непонятно как без обучающей выборки можно оценивать результирующий алгоритм.
выход на ИНС считать нужно всегда. но метод ОРО в этом не учавствует же.

в голове я рассматривал задачу оптимального управления. и тесты делал на нее. там выборка оказалась не нужна + функцию активации можно было поставить любую.

а вот насчет той же самой задачи классификации. быть может, я поспешил с выводами. но могу сказать с уверенностью, что метод обратного распространения ошибки можно исключить из перечня инструментов для настройки весов сети.

веса можно настраивать совсем другим способом:)
>> метод обратного распространения ошибки можно исключить из перечня инструментов для настройки весов сети.
вместе этого метода в данном случае у вас отбраковка по функции оценки
да. она и будет фитнесом, показывающим какие веса лучше подходят для данной структуры сети.
В питоне принято придерживаться pep8 стиля написания кода, он предполагает использование get_population стиля для именования методов. Кроме того, имена модулей должны быть в нижнем регистре: ge, parser. Не сочтите за занудство :)
Знаю. Просто около года работал с javascript. Там camelCase. Не могу отучиться. Да и больше нравятся верблюды, чем подчеркивания:)
Зарегистрируйтесь на Хабре, чтобы оставить комментарий

Публикации

Изменить настройки темы

Истории