Startpagina / Samenvattingen / Machine learning lliterature pddf / verborgen-lagen-activaties

Bio-inspired multi-layer networks

Q: Hoeveel parameters zijn er nodig met twee lagen in het model?

- Het aantal benodigde parameters met twee lagen is (D + 2)K . - De eerste +1 komt door de bias, de tweede is door de tweede laag van gewichten.

5 belangrijke vragen over Bio-inspired multi-layer networks

Hoe ziet een tweelaags netwerk met vijf inputs en één output eruit?

- Netwerk bestaat uit twee lagen: een verborgen laag en een uitvoerlaag.
- De verborgen laag heeft 2 neuronen.
- Vijf inputs (x1 tot x5) zijn verbonden met beide verborgen neuronen.
- Elke verbinding (rand) heeft een uniek gewicht.
- De verborgen neuronen zijn verbonden met de enige output neuron (y).

Hoe bereken je de activaties van de knooppunten in de verborgen laag op basis van de inputs en inputgewichten?

- Bepaal de activaties van de knooppunten in de verborgen eenheid.
- Gebruik daarvoor de inputs en de inputgewichten.

Hoe bereken je de activatie van de uitvoereenheid gegeven de activaties van de verborgen eenheid en de tweede laag van gewichten?

- Gebruik de activaties van de verborgen eenheid.
- Pas de tweede laag van gewichten toe om de activatie van de uitvoereenheid te berekenen.

Verkrijg je extra representatieve kracht door meer dan twee lagen te gebruiken in een model?

- Het toevoegen van meer dan twee lagen kan de representatieve kracht van een model verhogen.
- Verandering van 1 naar 2 lagen verandert het model volledig.

Hoeveel parameters zijn er nodig met twee lagen in het model?

- Het aantal benodigde parameters met twee lagen is (D + 2)K.
- De eerste +1 komt door de bias, de tweede is door de tweede laag van gewichten.

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

Machine learning lliterature pddf

Bekijk samenvatting