Yoshua Benhgio的《学习AI的深度架构》一书提到
我们应该努力开发使用数据来确定最终架构深度的学习算法。
有人会知道到目前为止提出的任何算法来实现这一目标吗?
这个问题不是关于成功的算法的-实际上,目前似乎还没有。这个问题的目的是汇总曾经提出过的每个算法,这样,对该主题感兴趣的任何人都不需要花费数月的时间来找到它们。
到目前为止,我遇到了:
该平铺算法
优势:增加层数和单位
警告:仅用于学习布尔函数,与应用问题不太相关。
遗传算法(由用户vzn提供):
使用遗传算法寻找最佳的神经网络架构
使用遗传算法选择前馈人工神经网络的架构
优势:学习连续功能,即与应用问题相关
警告:计算上非常昂贵
mp85.. 5
可以说,学习神经网络架构最常用的算法是Scott Fahlman和Christian Lebiere开发的Cascade Correlation。
在这里您可以找到描述,我之前也曾在某个地方看到过C实现,但不记得在哪里。
可以说,学习神经网络架构最常用的算法是Scott Fahlman和Christian Lebiere开发的Cascade Correlation。
在这里您可以找到描述,我之前也曾在某个地方看到过C实现,但不记得在哪里。