Salut à tous
Si vous avez des matériaux pour l'algorithme du réseau de neurones JMP comme ci-dessous, faites-le moi savoir.
-qu’il soit normalisé ou non en entrée
-Les types d'initialisation et de paramétrage
-Méthode d'initialisation de W, b
Réglage du taux d'apprentissage
-Numéro de paramètre
-comment vérifier la courbe d'apprentissage pour visualiser le processus d'optimisation du jeu de validation
valeur par défaut du paramètre hyper
IkJu,
Chris Gotwalt a écrit un excellent livre blanc sur l'algorithme NN:
https://www.jmp.com/content/dam/jmp/documents/en/white-papers/wp-jmp9-neural-104886.pdf . Je base ma réponse ci-dessous sur son papier et la documentation JMP.
(SEs: sentez-vous s'il vous plaît libre dans carillon. )
Jian
-qu’il soit normalisé ou non en entrée
Il existe une option appelée Transformer la covariable dans la fenêtre de lancement du modèle. Reportez-vous à la page 5 pour plus de détails.
-Les types d'initialisation et de paramétrage
«Au début, des valeurs de départ aléatoires normalement distribuées sont générées et le paramètre de pénalité est mis à zéro. Après cet ajustement initial, une valeur candidate non nulle du paramètre de pénalité est ensuite choisie et une recherche de ligne univariée sur le paramètre de pénalité est entreprise. ”(Page 7)
-Méthode d'initialisation de W, b
Valeurs aléatoires normalement distribuées (pages 4 et 7)
Réglage du taux d'apprentissage
La valeur par défaut est 0,1, mais vous pouvez choisir n'importe quelle valeur entre (0, 1) dans la fenêtre de lancement du modèle.
-Numéro de paramètre
Le nombre de visites peut être défini dans la fenêtre de lancement du modèle. C'est un par défaut.
-comment vérifier la courbe d'apprentissage pour visualiser le processus d'optimisation du jeu de validation
Dans NN, JMP n'affiche pas la validation cumulative. Une bonne suggestion car j'aimerais voir un rapport similaire à celui de Boosted Trees.
valeur par défaut du paramètre hyper
Ces valeurs de paramètre hyper «par défaut» sont affichées dans la fenêtre de lancement du modèle. Par exemple, une couche, TanH avec 3 nœuds, 1 tour, etc. J'appellerais le modèle utilisant ces paramètres un modèle de base, car la meilleure pratique consiste à ajuster plusieurs modèles avec des paramètres différents, puis à les comparer.
