[Ευφυή Συστήματα Ρομπότ] - Παλιά θέματα - Σχολιασμός και απορίες

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

Για ανανέωση (ή προσθήκη νέου) avatar, πρέπει η μεγαλύτερη διάσταση της εικόνας να είναι 110 pixels.

[alexx_m87]

Οταν εχουμε ενα ΤΝΔ με πολωση ξερει κανεισ πως βρισκουμε τα κατωφλια?

Τι εννοείς? Τον αριθμό τους ή τις τιμές τους?
you need to be more specific 

τον αριθμο τους

[Ariel]

τσουκ δεν αναφέρεται.
Θα χρησιμοποιήσεις συνοπτικα συνοπτικά αυτό που λέει σαν θεμα το 2009 ή θα βρεις κάτι απλό λιτό και απέριττο απο το γοογλε και θα το γραψεις.

π.χ : "network paralysis = όταν ένα ή περισσότερα βάρη έχουν σταθερά υψηλές απόλυτες τιμές και δεν τροποποιύνται σε κάθε διόρθωση"

χμ εισαι σιγουρη πως το θελει τοοοσο λιτα?

αν το ήθελε αλλιώς ας το έγραφε στις σημειώσεις του 

Όσο για το θέμα με την επιλογή παραμέτρων, οκ ναι τυπικα βαζεις τα βαρη αλλά δεν εχουμε και πουθενά τον αυστηρό ορισμό.
Κι εγώ δεν ειμαι σίγουρη, γι'αυτο ποσταρα εδω μπας και....αλλά όλοι διαφορετική γνώμη έχουμε τελικά!

γουστάρω!!!

[saddodancererer]

τσουκ δεν αναφέρεται.
Θα χρησιμοποιήσεις συνοπτικα συνοπτικά αυτό που λέει σαν θεμα το 2009 ή θα βρεις κάτι απλό λιτό και απέριττο απο το γοογλε και θα το γραψεις.

π.χ : "network paralysis = όταν ένα ή περισσότερα βάρη έχουν σταθερά υψηλές απόλυτες τιμές και δεν τροποποιύνται σε κάθε διόρθωση"

χμ εισαι σιγουρη πως το θελει τοοοσο λιτα?

αν το ήθελε αλλιώς ας το έγραφε στις σημειώσεις του 

Όσο για το θέμα με την επιλογή παραμέτρων, οκ ναι τυπικα βαζεις τα βαρη αλλά δεν εχουμε και πουθενά τον αυστηρό ορισμό.
Κι εγώ δεν ειμαι σίγουρη, γι'αυτο ποσταρα εδω μπας και....αλλά όλοι διαφορετική γνώμη έχουμε τελικά!

γουστάρω!!!

thmmy εισαι 

[jimmakos]

Η βασική εξίσωση του back propagation με Momentum είναι:

• ΔW=h (1+M) E / dW
• ΔW=h (1-M) E / dW
• τίποτα από τα παραπάνω

?

ακούω γνώμες

τίποτα από τα παραπάνω, γιατί πέρα από τον όρο της παραγώγου του σφάλματος, χρειάζεσαι και έναν weighted όρο με το ΔW τις προηγούμενης επανάληψης

τον τύπο θα τον έγραφα έτσι εγώ: ΔW(t+1)=η*ΔE/dW + α*ΔW(t)

Εδώ λέει κάποια πράγματα για momentum
http://neurondotnet.freehostia.com/manual/parameters.html#momentum
και συμφωνεί νομίζω με τον τύπο του Ex_Mechanus

από εδώ: http://www.cheshireeng.com/Neuralyst/nnbg.htm
μήπως είναι combo?

[Cthulu]

Οταν εχουμε ενα ΤΝΔ με πολωση ξερει κανεισ πως βρισκουμε τα κατωφλια?

Τι εννοείς? Τον αριθμό τους ή τις τιμές τους?
you need to be more specific 

τον αριθμο τους

Οκ
Έστω ότι έχεις ένα νευρωνικό δίκτυο K-L-N όπου Κ οι είσοδοι, Ν οι έξοδοι και L οι νευρώνες του κρυφού στρώματος. Μπορείς να πεις 2 ισοδύναμα πράματα:

• Σε κάθε νευρώνα έχεις από ένα κατώφλι h, που απλώς εκφράζει ότι η συνάρτηση ενεργοποίησης f είναι μετατοπισμένη κατά h, δηλαδή f(x+h). Άρα έχεις K*L+L*N βάρη και L+N κατώφλια, άρα συνολικά (K+1)*L+(L+1)*N παράμετροι
• Στο στρώμα εισόδου και στο κρυφό στρώμα έχεις από μία dummy είσοδο που ισούται με μονάδα και λέγεται πόλωση. Η πόλωση συνδέεται στα επόμενα στρώματα με το βάρος της πόλωσης, αλλά δεν προκύπτει από τα προηγούμενα στρώματα. Έτσι τα βάρη είναι (K+1)*L για το 1ο στρώμα και (L+1)*N για το δεύτερο που δίνει ακριβώς το ίδιο αποτέλεσμα.

Ουσιαστικά κατώφλι και βάρος της πόλωσης είναι το ίδιο πράγμα (ή τουλάχιστον έτσι το βλέπω εγώ  ).

[alexx_m87]

Οταν εχουμε ενα ΤΝΔ με πολωση ξερει κανεισ πως βρισκουμε τα κατωφλια?

Τι εννοείς? Τον αριθμό τους ή τις τιμές τους?
you need to be more specific 

τον αριθμο τους

Οκ
Έστω ότι έχεις ένα νευρωνικό δίκτυο K-L-N όπου Κ οι είσοδοι, Ν οι έξοδοι και L οι νευρώνες του κρυφού στρώματος. Μπορείς να πεις 2 ισοδύναμα πράματα:

• Σε κάθε νευρώνα έχεις από ένα κατώφλι h, που απλώς εκφράζει ότι η συνάρτηση ενεργοποίησης f είναι μετατοπισμένη κατά h, δηλαδή f(x+h). Άρα έχεις K*L+L*N βάρη και L+N κατώφλια, άρα συνολικά (K+1)*L+(L+1)*N παράμετροι
• Στο στρώμα εισόδου και στο κρυφό στρώμα έχεις από μία dummy είσοδο που ισούται με μονάδα και λέγεται πόλωση. Η πόλωση συνδέεται στα επόμενα στρώματα με το βάρος της πόλωσης, αλλά δεν προκύπτει από τα προηγούμενα στρώματα. Έτσι τα βάρη είναι (K+1)*L για το 1ο στρώμα και (L+1)*N για το δεύτερο που δίνει ακριβώς το ίδιο αποτέλεσμα.

Ουσιαστικά κατώφλι και βάρος της πόλωσης είναι το ίδιο πράγμα (ή τουλάχιστον έτσι το βλέπω εγώ  ).


ωραια, τοτε αν δεν εχω πολωση ποια θα ναι η διαφορα?πως θα τα υπολογισω τοτε?

[pontiki]

Οκ
Έστω ότι έχεις ένα νευρωνικό δίκτυο K-L-N όπου Κ οι είσοδοι, Ν οι έξοδοι και L οι νευρώνες του κρυφού στρώματος. Μπορείς να πεις 2 ισοδύναμα πράματα:

• Σε κάθε νευρώνα έχεις από ένα κατώφλι h, που απλώς εκφράζει ότι η συνάρτηση ενεργοποίησης f είναι μετατοπισμένη κατά h, δηλαδή f(x+h). Άρα έχεις K*L+L*N βάρη και L+N κατώφλια, άρα συνολικά (K+1)*L+(L+1)*N παράμετροι
• Στο στρώμα εισόδου και στο κρυφό στρώμα έχεις από μία dummy είσοδο που ισούται με μονάδα και λέγεται πόλωση. Η πόλωση συνδέεται στα επόμενα στρώματα με το βάρος της πόλωσης, αλλά δεν προκύπτει από τα προηγούμενα στρώματα. Έτσι τα βάρη είναι (K+1)*L για το 1ο στρώμα και (L+1)*N για το δεύτερο που δίνει ακριβώς το ίδιο αποτέλεσμα.

Ουσιαστικά κατώφλι και βάρος της πόλωσης είναι το ίδιο πράγμα (ή τουλάχιστον έτσι το βλέπω εγώ  ).

Μπαααα.... Άλλο πόλωση και άλλο κατώφλι. (έτσι λέω γω τουλάχιστον)

Κατώφλι έχει να κάνει με τη συνθήκη ενεργοποίησης οπότε υπαρχει σε κάθε νευρώνα όπως σωστά είπες.
Πολώσεις μπορεί να υπάρχουν αλλά μπορεί και να μην υπάρχουν σε κάποιο νευρωνικό δίκτυο.

Και για να μιλάμε με νούμερα, θέμα 4 18/2/2011:

έχουμε 4*25 + 25*20 + 20*2 = 640 βάρη
και 25+20+2 = 47 κατώφλια
σύνολο 687 παραμέτρους

Άν όμως μας έλεγε ότι έχουμε ΤΝΔ με πολώσεις τότε θα είχαμε
(4+1)*25 + (25+1)*20 + (20+1)*2 = 687 βάρη
και 47 κατώφλια άρα
σύνολο 734 παραμέτρους.

Αν διαφωνεί κανείς ας πει..

[Ariel]

Οκ
Έστω ότι έχεις ένα νευρωνικό δίκτυο K-L-N όπου Κ οι είσοδοι, Ν οι έξοδοι και L οι νευρώνες του κρυφού στρώματος. Μπορείς να πεις 2 ισοδύναμα πράματα:

• Σε κάθε νευρώνα έχεις από ένα κατώφλι h, που απλώς εκφράζει ότι η συνάρτηση ενεργοποίησης f είναι μετατοπισμένη κατά h, δηλαδή f(x+h). Άρα έχεις K*L+L*N βάρη και L+N κατώφλια, άρα συνολικά (K+1)*L+(L+1)*N παράμετροι
• Στο στρώμα εισόδου και στο κρυφό στρώμα έχεις από μία dummy είσοδο που ισούται με μονάδα και λέγεται πόλωση. Η πόλωση συνδέεται στα επόμενα στρώματα με το βάρος της πόλωσης, αλλά δεν προκύπτει από τα προηγούμενα στρώματα. Έτσι τα βάρη είναι (K+1)*L για το 1ο στρώμα και (L+1)*N για το δεύτερο που δίνει ακριβώς το ίδιο αποτέλεσμα.

Ουσιαστικά κατώφλι και βάρος της πόλωσης είναι το ίδιο πράγμα (ή τουλάχιστον έτσι το βλέπω εγώ  ).

Μπαααα.... Άλλο πόλωση και άλλο κατώφλι. (έτσι λέω γω τουλάχιστον)

Κατώφλι έχει να κάνει με τη συνθήκη ενεργοποίησης οπότε υπαρχει σε κάθε νευρώνα όπως σωστά είπες.
Πολώσεις μπορεί να υπάρχουν αλλά μπορεί και να μην υπάρχουν σε κάποιο νευρωνικό δίκτυο.

Και για να μιλάμε με νούμερα, θέμα 4 18/2/2011:

έχουμε 4*25 + 25*20 + 20*2 = 640 βάρη
και 25+20+2 = 47 κατώφλια
σύνολο 687 παραμέτρους

Άν όμως μας έλεγε ότι έχουμε ΤΝΔ με πολώσεις τότε θα είχαμε
(4+1)*25 + (25+1)*20 + (20+1)*2 = 687 βάρη
και 47 κατώφλια άρα
σύνολο 734 παραμέτρους.

Αν διαφωνεί κανείς ας πει..

Πες τα!!!! Και κόντευα να χασω τη μπάλα...

[saddodancererer]

κ εγω συμφωνω... αλλα κολλαω στο αλλο.. αν μου ζητησει να πω αν ενα δειγμα ν=100 μπορει να χρησιμοποιηθει  γιαυτο το δικτυο, θα το δικαιολογισω με τα βαρη? οτι απλα εχει πολλα βαρη αρα -> υπερεκπαιδευση αργη αποκριση συστηματος κτλ? η θα πω οτι 100/10 = 10 αρα περιμενω να χω περιπου 10 βαρη και τελικα εχω 640 βαρη αρα υπερεκπαιδευση κτλ.. ?

[Cthulu]

Παιδιά εγώ νομίζω ότι είναι το ίδιο πράμα.. Αν έχεις πόλωση θα πάρεις y=f (Σxi*wi +1*w0) ενώ αν έχεις κατώφλι θα πάρεις f(Σxi *wi+θ). Αν έχεις και πόλωση και κατώφλι θα πάρεις f (Σ xi*wi+w0+θ). Ποιο το νόημα να έχεις και w0 και θ?

Τώρα δεν ξέρω.. μην σας πάρω και στο λαιμό μου. Εγώ αυτό έχω καταλάβει 

[Gregos]

Όταν λέει '' ένα ΤΝΔ 3-6-7 με πολώσεις πόσες ανεξάρτ. μεταβλητές έχει?",  τι εννοεί ?
Τις εισόδους     ή       τα βάρη μαζί με τα κατώφλια?

[Gregos]

Αφήστε το τώρα, του χρόνου το ξανακοιτάμε ,καλή επιτυχία σε όλους 

[λήθη]

http://www.faqs.org/faqs/ai-faq/neural-nets/part2/section-9.html

to idio prama einai