Niet wetend waar ik dit topic moet plaatsen, dit topic dan maar hier;
Al een tijdje ben ik bezig met neurale netwerken en het leren ervan. Nu gebruik je voor het leren van een neuraal netwerk meestal de afgeleide. Na deze handmatig bepaalde te hebben wilde ik het controleren mbv Maple. Het netwerk heb ik alsvolgt opgebouwd:
En de afgeleide bepaal ik dan zo:
Mijn excuses dat ik het resultaat niet handmatig uittik, maar daar leent GoT zich zelf helaas niet zo erg voor (een copy is onderaan de topicstart te vinden). Desalniettemin ben ik van mening dat er een sommatie te veel in de afgeleide zit. Het gaat dan om de tweede keer dat over alle q's gesommeerd wordt en dan niet zozeer te term waarover gesommeerd wordt, maar het sommeren zelf. Naar mijn idee is dit helemaal niet het geval. Ik hoop dat iemand mijn vermoeden kan bevestigen of juist onderuit kan vegen.
Al een tijdje ben ik bezig met neurale netwerken en het leren ervan. Nu gebruik je voor het leren van een neuraal netwerk meestal de afgeleide. Na deze handmatig bepaalde te hebben wilde ik het controleren mbv Maple. Het netwerk heb ik alsvolgt opgebouwd:
code:
1
2
3
| V:=sum('tanh(y[r])', 'r'=1..n_o_tu);
y[r]:= sum('w_ho_tu[q][r]*sigm_h_tu[q]', 'q'=1..n_h_tu);
sigm_h_tu[q]:= tanh(sum('w_ih_tu[p][q]*input[p]', 'p'=1..n_i)); |
En de afgeleide bepaal ik dan zo:
code:
1
| diff(V,w_ih_tu[p][q]); |
Mijn excuses dat ik het resultaat niet handmatig uittik, maar daar leent GoT zich zelf helaas niet zo erg voor (een copy is onderaan de topicstart te vinden). Desalniettemin ben ik van mening dat er een sommatie te veel in de afgeleide zit. Het gaat dan om de tweede keer dat over alle q's gesommeerd wordt en dan niet zozeer te term waarover gesommeerd wordt, maar het sommeren zelf. Naar mijn idee is dit helemaal niet het geval. Ik hoop dat iemand mijn vermoeden kan bevestigen of juist onderuit kan vegen.
code:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
| n_o_tu /
----- |
\ |
) |1 -
/ |
----- |
r = 1 \
n_h_tu n_i
----- -----
\ \
tanh( ) w_ho_tu[q][r] tanh( ) w_ih_tu[p][q] input[p]))^
/ /
----- -----
q = 1 p = 1
2\ /n_h_tu
| |-----
| | \
| | ) w_ho_tu[q][r]
| | /
| |-----
/ \q = 1
/ n_i 2\ / n_i \\
| ----- | |----- ||
| \ | | \ ||
|1 - tanh( ) w_ih_tu[p][q] input[p]) | | ) input[p]||
| / | | / ||
| ----- | |----- ||
\ p = 1 / \p = 1 // |
[ Voor 4% gewijzigd door Opi op 02-12-2003 13:55 ]
