Trovo che la descrizione del manuale JMP 13 della procedura di potenziamento nelle reti neurali sia vaga. Eccone uno scatto:
"Il primo passo è adattare un modello a uno strato e due nodi. I valori previsti da quel modello vengono ridimensionati in base al tasso di apprendimento, quindi sottratti dai valori effettivi per formare un residuo ridimensionato. Il passaggio successivo consiste nell'adattare un altro strato singolo, a due nodi modello sui residui in scala del modello precedente."
Non capisco come JMP utilizzi i residui dai valori previsti. Una formula matematica o un diagramma potrebbero essere estremamente utili.
JMP aggiunge i residui alle funzioni definite e addestra nuovamente la rete? o se allena solo le reti concatenate di residui? Ad esempio, se ho 10 funzionalità e sto cercando di prevedere una singola risposta continua e la mia rete ha uno strato nascosto di 3 neuroni (noti anche come nodi); la prima rete neurale in una rete potenziata sarebbe di forma [10, 3, 1]. Ora JMP calcola i residui (valori reali - valori previsti) dall'ultimo strato. Ora, cosa succede ai residui? Qual è la forma della seconda rete, quali sono i suoi input e cosa prevede?
Grazie per il tuo tempo in anticipo.
diciamo che inizio con 100 diverse misurazioni (colonne) e 200 osservazioni (righe) cercando di prevedere 1 risposta continua (colonna). Presumo che la prima rete neurale accetterebbe tutte le 100 colonne e genererebbe 1 previsione. La seconda rete neurale prenderebbe 1 colonna di residui e genererebbe anche 1 colonna di previsioni?
Ciao Fil, grazie per la tua risposta. L'input alla seconda rete neurale non mi è ancora chiaro. Quindi diresti che la seconda rete neurale funzionerebbe con solo 1 funzione (i residui) anche se il mio set di dati iniziale avesse 100 misurazioni e le stessi usando come funzionalità?
