Как я понял из
статьи на Википедии, для наилучшего обучения однослойного перцептрона Розенблатта нам нужно столько же А-элементов, сколько существует вариантов входных данных(обучающих примеров)
Если число стимулов в пространстве W равно n > N (то есть больше числа А-элементов элементарного перцептрона), то существует некоторая классификация С(W), для которой решения не существует.
Отсюда следует, что:
у Розенблатта число А-элементов равно числу стимулов
Т.е. если у нас есть некая сеть, у которой 10 входов, получающих значение 1 или 0 и, например, 8 выходов, то для решения некой задачи, нам нужно 1024 А-элементов(2^10).
Тогда наш перцептрон будет выглядеть так
10-1024-8
Однако, в
другой статье на Википедии, пишется следующее:
Существует предположение, что, используя большее число слоёв, можно уменьшить число элементов в них, то есть суммарное число элементов в слоях будет меньше, чем если использовать один скрытый слой. Это предположение успешно используется в технологиях глубокого обучения и имеет обоснование
На основании этого у меня возник вопрос: "Как будет выглядеть наш перцептрон, если в нём будет несколько слоёв?"
10-512-2-8
10-32-2-8
10-512-512-8
или какой-то другой вариант?
