Amacım, girdi ve çıktı ile tanımladığım aşağıdaki sorunu çözmek:
Giriş:
düğümleri, kaynakları ve lavabo ( ) ile yönlendirilmiş bir asiklik grafik
Çıktı:
VC-boyutu topolojisi ile sinir ağı için (ya da yaklaşık bir) .
Daha fazla özellik :
- her bir düğüm sigmoid bir nörondur. Topoloji sabittir, ancak kenarlardaki ağırlıklar öğrenme algoritması ile değiştirilebilir.
- Öğrenme algoritması sabittir (diyelim ki geriye doğru yayılma).
- kaynağı düğümleri giriş nöronlar ve sadece dizeleri sunar girdi olarak kullanılmaktadır.
- Lavabo düğümü çıkış birimidir. Bu gerçek bir değer verir biz yuvarlak olduğu ya da aşağı doğru , daha belirli sabit bir eşik göre ise uzak .
Saf yaklaşım, ağı kendileri üzerinde eğitmeye çalışarak daha fazla puan kırmaya çalışmaktır. Ancak, bu tür bir simülasyon yaklaşımı etkili değildir.
Soru
Bu fonksiyonu hesaplamanın etkili bir yolu var mı (yani de karar problemine dönüştürüldüğünde: VC boyutu giriş parametresi mü?) Değilse, sertlik sonuçları var mı?
Bu işlevi hesaplamanın veya yaklaşık olarak kullanmanın pratikte iyi bir yolu var mı? Eğer bir tahminse, doğruluğu konusunda herhangi bir garanti var mı?
notlar
Ben sordum benzer bir soru stats.SE üzerinde ancak hiçbir ilgi oluşturdu.