Как правильно создать модель нейронной сети и подобрать коэффициенты для классификации бинарных признаков?
Прошу помочь сообразить с созданием модели нейронной сети (именно архитектуры) и определением коэффициентов на веса.
У меня такая задачка:
Нужно построить модель сети с прямым распространение сигнала (который feed-forward) и делает классификацию.
В качестве функции активации во всех нейронах используется сигмоида ( 1/1+e^-x).
Объект описывается четырьмя бинарными признаками A , B , C и D (принимающих значение 0 или 1) признаков.
И три класса - X , Y , Z
А условия следующие:
Если вход А установлен в 1, а остальные входы 0, то это объект класса X. Для объекта класса Y единицы должны быть на любых трех входах. А для объекта класса Z значения на парах входов А и С, B и D не должны совпадать.
раз у вас такая (учебная) задачка, ей, вероятно, предшествовала лекция, где разбирали, как реализовать логическое XOR нейросетью (на англ. с картинками). Что вы уже пробовали предпринять, и где конкретно застряли?
Сергей Соколов, спасибо за статью, не сталкивался с ней!
Верно, это задача XOR, к сожалению разбор подобной задачи не осуществлялся у нас и поэтому и пришел с этим вопросом.
Что успел, так это зарисовать небольшую архитектуру, правда классов у меня только 1, затупил и забыл про них, начал изучать совершенные дизъюнктивные нормальные формы для возможной прикидки весов на нейронах.
Простой
