Dritte Schicht des neuronalen NetzwerksIch weiß, dass man mit zwei Ebenen viel erreichen kann, aber selbst in JMP Pro ist es keine gute Idee, sich auf zwei Ebenen zu beschränken. Als Kunde kann ich jede Ebene in einem kostenlosen Python-Paket erhalten, und ich weiß nicht, warum ich mit JMP Pro nicht dasselbe erhalten sollte. Die Anzahl der Ebenen wäre bei der besten Option selektiv, andernfalls sind mindestens drei Ebenen (Eingabe-, Mittel- und Ausgabeebene) bereitzustellen.
Automatisierung und SkripterstellungDatenzugriffBetreff: Dritte Schicht des neuronalen NetzwerksWie ist der Stand davon? Ich stimme zu, dass wir 5 statt 3 haben sollten.
JMP 17 brach die Möglichkeit, denselben Eingang als Ausgang zu verwenden, also haben wir Pech, auch nur einen Layer zu verwenden. Im Prinzip werden sie es rückgängig machen.
Betreff: Neural Network Third Layer - Status geändert in: AcknowledgedHallo @hnasiri , Danke für deinen Vorschlag! Wir haben Ihre Anfrage erfasst und werden sie berücksichtigen.
Betreff: Dritte Schicht des neuronalen NetzwerksWahrscheinlich können sie ein Dropdown-Menü enthalten, um auszuwählen, wie viele Schichten erforderlich sind, und es dem Benutzer überlassen.
Betreff: Dritte Schicht des neuronalen NetzwerksIch plädiere eigentlich für mindestens 5 Schichten, obwohl 3 Schichten ein guter Anfang wären!Ich möchte eine nichtlineare Datenkomprimierung in einer ähnlichen Form von Autoencodern-Decodern durchführen.Die mittlere Schicht hätte die niedrigste Anzahl, und ich denke, im Allgemeinen sind 5 Schichten für diese Art der Datenkomprimierung sinnvoll.
Betreff: Dritte Schicht des neuronalen NetzwerksJMP 18 bringt das Torch-Add-In mit, das Zugriff auf diese größeren NNs bietet: https://community.jmp.com/t5/JMP-Add-Ins/Torch-Deep-Learning-Add-In-for-JMP-Pro/ta-p/762296
