Instead of simply training a single

Instead of simply training a single candidate neuron, DTREG uses a pool of candidate neurons, each with a different set of random initial weights. If allowed, the candidate neurons also may have a mixture of transfer functions (sigmoid and Gaussian). All candidates receive the same input signals and see the same residual error for each training case. After all of the candidate neurons have been training to have maximum correlation with the output error, the candidate with the highest correlation is selected from the pool and added to the hidden layer. The output neuron weights are then trained using the all of their inputs including the output from the new hidden neuron. Note that the input weights for the other hidden neurons that are already part of the network are not retrained.

Kết quả (Việt) 1:

Thay vì chỉ đơn giản là đào tạo một tế bào thần kinh ứng cử viên duy nhất, DTREG sử dụng một hồ bơi ứng cử viên tế bào thần kinh, mỗi với một tập khác nhau của trọng lượng ban đầu ngẫu nhiên. Nếu được cho phép, tế bào thần kinh ứng cử viên cũng có thể có một hỗn hợp của chuyển giao chức năng (xích-ma và Gaussian). Tất cả ứng viên nhận được các tín hiệu đầu vào cùng và nhìn thấy cùng một lỗi dư cho mỗi trường hợp đào tạo. Sau khi tất cả của các ứng cử viên tế bào thần kinh đã đào tạo để có mối tương quan tối đa với đầu ra lỗi, các ứng cử viên với các mối tương quan cao nhất lựa chọn từ các hồ bơi và thêm vào các lớp ẩn. Trọng lượng đầu ra tế bào thần kinh sau đó được đào tạo bằng cách sử dụng tất cả đầu vào của họ bao gồm cả sản lượng từ tế bào thần kinh ẩn mới. Lưu ý rằng trọng lượng đầu vào cho các khác ẩn tế bào thần kinh mà đã là một phần của mạng không huấn luyện lại.

Kết quả (Việt) 2:

Thay vì chỉ đơn giản là đào tạo một tế bào thần kinh ứng cử viên duy nhất, DTREG sử dụng một hồ bơi của tế bào thần kinh ứng cử viên, mỗi một bộ khác nhau của trọng lượng ban đầu ngẫu nhiên. Nếu được cho phép, các tế bào thần kinh ứng cử viên cũng có thể có một hỗn hợp của các chức năng chuyển giao (sigmoid và Gaussian). Tất cả các ứng cử viên nhận được tín hiệu đầu vào tương tự và thấy lỗi còn lại tương tự cho từng trường hợp đào tạo. Sau khi tất cả các tế bào thần kinh ứng cử viên đã được đào tạo để có sự tương quan tối đa với các lỗi đầu ra, ứng cử viên có mối tương quan cao nhất được lựa chọn từ các hồ bơi và bổ sung vào lớp ẩn. Trọng lượng đầu ra tế bào thần kinh này sau đó được đào tạo bằng cách sử dụng tất cả các yếu tố đầu vào của họ bao gồm cả sản lượng từ các tế bào thần kinh ẩn mới. Lưu ý rằng các trọng số đầu vào cho các tế bào thần kinh ẩn khác đã là một phần của mạng lưới không được đào tạo lại.