Tenga en cuenta estas dos cosas:
En primer lugar, aunque hemos llegado muy lejos con la tecnología informática, la memoria sigue siendo un recurso escaso que impone retrasos en el acceso.
En segundo lugar, la mayoría de las redes neuronales que he tenido el placer de escribir y depurar, generalmente están llenas de neuronas de no menos de 3 entradas por … Y normalmente las ilustra de izquierda a derecha:
- ¿Por qué la normalización por lotes de las activaciones lineales de una red neuronal no es útil para eliminar el cambio de covariable interno?
- ¿Cuáles son los mejores solucionadores de programas cuadráticos?
- ¿Un descenso de gradiente funciona en Big Data?
- ¿Cómo determina el algoritmo de aprendizaje automático de Quora la clasificación de la calidad de la pregunta?
- ¿Cuáles son las aplicaciones no computacionales de las lecciones del aprendizaje automático?
La capa 1 contiene todas las entradas únicas para que la red las use.
La capa 2 contiene la primera capa de neuronas en funcionamiento de la red. La forma en que generalmente hago esto es tener cada capa, neurona, sus propias identificaciones únicas que forman una matriz. En la estructuración de la matriz se me permite usar espacio adicional para almacenar más información directamente sobre la neurona, lo que limita los tiempos de acceso.
Generalmente uso una estructura de {ID, {ID, {{InIDS}, {InWts}, sesgo, activación}}}
Espero que esto te ayude, espero saber de ti cómo va todo.
David Nelson
