e grazie per i complimenti
Come puoi vedere ho scritto questa serie di tutorial molto tempo fa, e ad essere sincero non so se riusciro’ a rispondere adeguatamente alle tue domande, comunque ci provero’ ugualmente.
Da quanto ricordo, dipende tutto dalla funzione di trasferimento che stai utilizzando: se utilizzi una funzione sigmoidale che e’ sempre compresa tra 0 e 1 non puoi aspettarti di avere un output che non sia compreso in questo range: per allenarlo a fare la somma di due numeri qualsiasi credo dovresti utilizzare un’altra funzione di trasferimento, yipo y=x.
Per quanto riguarda la seconda domanda, credo dipenda molto da cosa debbano fare di preciso i dispositivi di cui parli, ma non essendo un esperto di applicazioni delle reti neurali (soprattutto hardware) non so dirti di più. Probabilmente si potrebbeo usare per svolgere alcuni compiti, ma forse esistono algoritmi più efficienti svolgere lo stesso lavoro.
]]>riguardo la prima domanda credo di aver capito, o meglio, in una rete di questo tipo è difficile gestire input molto grandi perchè l’aggiornamento dei pesi sarebbe troppo pesante, forse normalizzando i valori riesco a eseguire la somma anche di numeri decisamente maggiori? ]]>
Il migliore sulle reti neurali che ho visto fino ad ora. Mi manca la parte che concerne la creazione della classe, ovvero da questa parte in poi, ma da una lettura veloce è davvero precisa. Quindi complimenti.
Io sono alle prime armi con le reti neurali.
Avrei solo un paio di domande, una che riguarda un esercizio che sto svolgendo a fini di apprendimento, l’altro più in generale sulle reti.
La prima,
Ho programmato un percettrone allenandolo ad eseguire una semplice somma. ( 2 input, 1 output, 2 layer ) Ho notato che non fa il suo dovere su utilizzo input superiori a 1….. questo perchè i pesi hanno valori che vanno da 0 a 1….. quindi se arrivasse un input di che so, 15, il peso sinattico uscirebbe dal suo range… se utilizzo dati tra 0 e 1 tutto ok, in poche epoche si allena e funziona, con una buona precisione. Per questo esempio uso una funzione di trasferimento a saturazione lineare, anche se andrebbe bene una identità. La mia domanda è: “seppur la somma è una calcolo inutile per una rete neurale, c’è la possibilità di allenare la rete per eseguire somme di numeri più grandi?, se si dove sbaglio nel mio esempio?”
Condividerò l’esempio su GIT in modo che sia fruibile semmai.
La seconda domanda è in termini molto più generali….
“Nella mia azienda si sviluppa dispositivi a microonde…. i firmware sviluppati si occupano dunque di analizzare segnali. A suo parere esiste una ipotetico impiego delle reti in una analisi del genere?
Considerando che si utilizzano microcontrollori e non processori pentium, quindi si ha memoria e potenza di calcolo molto più limitati. “