R - Giải thích âm mưu mạng thần kinh


8

Tôi biết có câu hỏi tương tự về số liệu thống kê. E, nhưng tôi đã không tìm thấy câu hỏi nào đáp ứng yêu cầu của tôi; xin vui lòng, trước khi đánh dấu câu hỏi là trùng lặp, ping tôi trong bình luận.

Tôi chạy một mạng thần kinh dựa trên neuralnetdự báo chuỗi thời gian chỉ số SP500 và tôi muốn hiểu làm thế nào tôi có thể diễn giải cốt truyện được đăng dưới đây:

nhập mô tả hình ảnh ở đây

Đặc biệt, tôi muốn hiểu diễn giải của trọng số lớp ẩn và trọng lượng đầu vào là gì; ai đó có thể giải thích cho tôi làm thế nào để giải thích số đó, xin vui lòng?

Bất kỳ gợi ý sẽ được đánh giá cao.


2
Đây là một bài viết thú vị liên quan đến câu hỏi của bạn. labs.eeb.utoronto.ca/jackson/ecol.%20modelling%20ANN.pdf
MrMeritology 10/07/2015

Cảm ơn vì nhận xét, @MrMeritology! Tôi thấy rằng thực sự hữu ích!
Quantopik

Mặc dù tôi chắc chắn rằng bạn sẽ có thể hiểu được mạng lưới thần kinh (khá đơn giản) này, nếu tính dễ hiểu là một mối quan tâm tương đối lớn thì có lẽ bạn không nên sử dụng mạng thần kinh ngay từ đầu. Có một lý do cụ thể mà bạn đã chọn một trong các thuật toán khác không?
David

Vâng, @David! Tôi muốn học cách sử dụng loại mô hình này. Tôi chưa bao giờ sử dụng chúng trong công việc của mình và tôi đang học nó chỉ để giải trí. Bạn có ý tưởng gì về việc diễn giải cốt truyện không?
Quantopik

tôi cần trợ giúp để giải thích phân tích ANN Bất kỳ ai có thể giúp đỡ?
sáng kalu

Câu trả lời:


7

Như David nêu trong các ý kiến ​​nếu bạn muốn diễn giải một mô hình mà bạn có thể muốn khám phá một cái gì đó bên cạnh mạng lưới thần kinh. Điều đó nói rằng bạn muốn hiểu trực giác về cốt truyện mạng, tốt nhất là nghĩ về nó liên quan đến hình ảnh (một cái gì đó mạng lưới thần kinh rất tốt).

  1. Các nút bên trái nhất (tức là các nút đầu vào) là các biến dữ liệu thô của bạn.
  2. Các mũi tên màu đen (và các số liên quan) là các trọng số mà bạn có thể nghĩ là bao nhiêu biến đó đóng góp cho nút tiếp theo. Các đường màu xanh là trọng số sai lệch. Bạn có thể tìm thấy mục đích của các trọng số này trong câu trả lời xuất sắc ở đây .
  3. Các nút giữa (tức là bất cứ thứ gì giữa các nút đầu vào và đầu ra) là các nút ẩn của bạn. Đây là nơi tương tự hình ảnh giúp. Mỗi nút này tạo thành một thành phần mà mạng đang học cách nhận biết. Ví dụ như mũi, miệng hoặc mắt. Điều này không dễ xác định và trừu tượng hơn nhiều khi bạn đang xử lý dữ liệu không phải hình ảnh.
  4. Nút ngoài cùng (nút đầu ra (s)) là đầu ra cuối cùng của mạng thần kinh của bạn.

Lưu ý rằng tất cả điều này đang bỏ qua chức năng kích hoạt sẽ được áp dụng ở mỗi lớp của mạng.


β

@Quantopic Tôi nghĩ bạn đang đề cập đến computechức năng trong neuralnetgói. Nguồn không quá phức tạp nếu bạn muốn làm bằng tay. Về cơ bản, bạn đang áp dụng các trọng số và chức năng kích hoạt ở mỗi lớp cho kết quả cuối cùng.
cdeterman
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.