Rule Three: The amount of training

Rule Three: The amount of training data available sets an upper bound for the number of processing elements in the hidden layer(s). To calculate this upper bound, use the number of cases in the training data set and divide that number by the sum of the number of nodes in the input and output layers in the network. Then divide that result again by a scaling factor between five and ten. Larger scaling factors are used for relatively less noisy data. If you use too many artificial neurons the training set will be memorized. If that happens, generalization of the data will not occur, making the network useless on new data sets.

ผลลัพธ์ (ไทย) 1:

กฎที่ 3: จำนวนข้อมูลการฝึกอบรมมีตั้งเป็นขอบเขตบนสำหรับลำดับการประมวลผลใน layer(s) ซ่อนอยู่ การคำนวณนี้ถูกผูกไว้บน ใช้จำนวนชุดข้อมูลฝึกอบรม และที่หาร ด้วยผลรวมของจำนวนโหนดในชั้นอินพุต และเอาท์พุตในเครือข่าย แล้ว หารผลที่อีกครั้ง ด้วยตัวประกอบมาตราส่วนระหว่างห้าถึงสิบ ตัวประกอบมาตราส่วนใหญ่จะใช้สำหรับข้อมูลค่อนข้างน้อยคะ ถ้าคุณใช้ neurons เทียมมากเกินไปจะภาพชุดฝึกอบรม เกิด generalization ของข้อมูลจะไม่เกิดขึ้น ทำให้เครือข่ายไร้ประโยชน์บนชุดข้อมูลใหม่

ผลลัพธ์ (ไทย) 2:

กฎข้อที่สาม: ปริมาณของข้อมูลการฝึกอบรมชุดผูกพันบนสำหรับจำนวนขององค์ประกอบการประมวลผลในชั้นซ่อน (s) ในการคำนวณที่ถูกผูกไว้ด้านบนนี้ใช้จำนวนผู้ป่วยที่อยู่ในชุดข้อมูลที่ฝึกอบรมและการแบ่งจำนวนที่ว่าด้วยผลรวมของจำนวนโหนดในการป้อนข้อมูลและการส่งออกชั้นในเครือข่าย แล้วแบ่งผลอีกครั้งโดยปัจจัยการปรับระหว่างห้าสิบ ปัจจัยการปรับขนาดใหญ่ที่ใช้สำหรับข้อมูลที่ค่อนข้างมีเสียงดังน้อย ถ้าคุณใช้เซลล์ประสาทเทียมมากเกินไปชุดการฝึกอบรมจะได้รับการจดจำ ถ้าเกิดว่าลักษณะทั่วไปของข้อมูลที่จะไม่เกิดขึ้นทำให้เครือข่ายไร้ประโยชน์ในชุดข้อมูลใหม่

ผลลัพธ์ (ไทย) 3:

กฎข้อที่สาม : ปริมาณของข้อมูลการฝึกอบรมพร้อมชุดขอบเขตบนของจำนวนขององค์ประกอบการประมวลผลในชั้นซ่อน ( s ) คำนวณไว้ด้านบนนี้ ใช้จำนวนคดีในการฝึกอบรมชุดข้อมูลและหารตัวเลขนั้นด้วยผลรวมของจำนวนของโหนดในการส่งออกและนำเข้าข้อมูลเครือข่าย แล้วแบ่งผลนั่นอีกครั้ง โดยตำแหน่งระหว่างห้าและสิบปัจจัยมาตราส่วนขนาดใหญ่ใช้สำหรับค่อนข้างน้อย ดังข้อมูล ถ้าคุณใช้เซลล์ประสาทเทียมมากเกินไปชุดฝึกอบรมจะต้องจำ ถ้ามันเกิดขึ้น ลักษณะทั่วไปของข้อมูลจะไม่เกิดขึ้น ทำให้เครือข่ายไร้ประโยชน์ในชุดข้อมูลใหม่