sigmoides relu redes neuronas neuronales funciones funcion ejemplos activacion neural-network training-data

neural network - relu - Conjuntos de datos para el entrenamiento de redes neuronales



redes neuronales ejemplos excel (7)

Algunos recursos son

  • La función sinC

    +---- | sin(x) | ------- when x != 0 | x sinC = | | | 1 otherwise +----

  • La función sin(x) como @adrianbanks dijo.

  • Para probar algunas modificaciones nuevas a algún algoritmo, las antiguas y buenas pruebas de paridad.

  • El conjunto de datos de Iris, el conjunto de datos de dígitos escritos a mano, etc., otras funciones y mucho más.

  • El Repositorio de aprendizaje automático de UCI: archive.ics.uci.edu/ml/datasets.html

  • Aquí hay otro recurso que tiene muchos conjuntos de datos de regresión: www.dcc.fc.up.pt/~ltorgo//Regression/DataSets.html . Obtendrá muchos de estos desde el repositorio UCI ML.
  • Puede obtener conjuntos de datos de https://www.kaggle.com/ para varios conjuntos de datos prácticos.

No creo que requieras mucho procesamiento previo con estos. Al igual que para las variables categóricas, puede reemplazarlas por binarias mediante un editor de texto GUI rápido. Por ejemplo, el conjunto de datos Abalone tiene un atributo categórico, el género, que tiene tres valores "M" para hombre, "F" para mujer, "I" para bebé. Puede presionar Ctrl + R en su editor de texto y reemplazar todas las apariciones de "M" con 1,0,0 , todas las apariciones de "F" con 0,1,0 y todas las apariciones de "I" con 0,0,1 (considerando que el archivo está en formato CSV). Esto hará reemplazos rápidos de las variables categóricas.

Si está en R , puede usar la función normalizeData que viene con el paquete RSNNS para escalar y normalizar sus datos en 0 y 1.

Si se encuentra en otro entorno como octave o matlab , puede invertir algo de tiempo para escribir su código. No conozco las funciones disponibles en estos entornos, utilizo mi código para escalar y / o normalizar los datos.

Cuando usa funciones, su trabajo se hace mucho más fácil, y una vez que prepara los datos, guarde los datos modificados en un archivo.

Recuerde una cosa, el objetivo de entrenar una red neuronal no es solo entrenar a la red de manera que funcione bien en un determinado conjunto de entrenamiento. El objetivo principal es capacitar a la red de modo que tenga el mejor error para los datos nuevos que la red no haya visto (directa o indirectamente).

Estoy buscando algunos conjuntos de datos relativamente simples para probar y comparar diferentes métodos de entrenamiento para redes neuronales artificiales. Me gustaría obtener datos que no requieran demasiado preprocesamiento para convertirlo en mi formato de entrada de una lista de entradas y salidas (normalizado a 0-1). Cualquier enlace apreciado.

Aprendí RNAs como estudiante universitario al usarlos para realizar OCR (Reconocimiento óptico de caracteres). Creo que este es un buen caso de uso.

Escanee en dos páginas de texto, extraiga las letras y forme conjuntos de datos de entrenamiento / prueba (por ejemplo, 8x8 píxeles conduce a 64 nodos de entrada), etiquete los datos. Entrenar la ANN y obtener una puntuación usando el conjunto de datos de prueba. Cambie la topología / parámetros de la red y sintonice la red para obtener el mejor puntaje.

¿Por qué no probar algo tan simple como la función sin como los datos de entrenamiento? Como está comparando los métodos de entrenamiento y realmente no le importa para qué está entrenando la red, debería funcionar y ser fácil generar los datos de entrenamiento.

Entrene la red usando sin (x) donde x es la entrada y la salida es el valor de la función. Un beneficio adicional en su caso es que el valor absoluto del resultado ya está en el rango 0-1. Igualmente funcionaría con otras funciones matemáticas.

https://archive.ics.uci.edu/ml es el repositorio de la Universidad de California Irvine de conjuntos de datos de aprendizaje automático. Es un gran recurso, y creo que todos están en archivos CSV.