Model selection is arguably one of

Model selection is arguably one of the most unsettled issues in neural network design and application. The process of choosing the correct architecture is of primary importance and requires the selection of both the appropriate number of hidden nodes and the connections within (Anders and Korn, 1999). Determining the most appropriate number of hidden nodes depends on a complex array of factors, including (1) the number of input and output units, (2) the number of training patterns, (3) the amount of noise present in the training data, (4) the complexity of the function to be learned, and (5) the training algorithm employed. As previously discussed, choosing too large a number of hidden nodes results in overfitting, leading to poor generalization unless some variety of overfitting prevention (e.g., regularization) is applied. The selection

Kết quả (Việt) 1:

Lựa chọn mô hình là cho là một trong những vấn đề bất ổn nhất trong thiết kế mạng nơ-ron và ứng dụng. Quá trình lựa chọn kiến trúc chính xác là chính quan trọng và đòi hỏi việc lựa chọn số ẩn nút, thích hợp và các kết nối trong vòng (Anders và Korn, 1999). Việc xác định số ẩn nút, thích hợp nhất phụ thuộc vào một mảng phức tạp của các yếu tố, bao gồm (1) số lượng các đầu vào và đầu ra đơn vị, (2) một số mô hình đào tạo, (3) số tiếng ồn hiện diện trong các dữ liệu đào tạo, (4) sự phức tạp của các chức năng để được học và (5) các thuật toán đào tạo làm việc. Như thảo luận trước đó, việc lựa chọn quá lớn một số kết quả ẩn các nút trong overfitting, dẫn đến kém tổng quát, trừ khi một số nhiều của overfitting phòng ngừa (ví dụ, regularization) được áp dụng. Việc lựa chọn

Kết quả (Việt) 2:

lựa chọn mô hình được cho là một trong những vấn đề chưa được giải quyết nhất trong thiết kế mạng nơron và ứng dụng. Quá trình lựa chọn kiến ​​trúc chính xác là quan trọng hàng đầu và đòi hỏi sự lựa chọn của cả hai số lượng thích hợp của các nút ẩn và các kết nối bên trong (Anders và Korn, 1999). Xác định số lượng thích hợp nhất của các nút ẩn phụ thuộc vào một mảng phức tạp của các yếu tố, bao gồm (1) số lượng các đơn vị đầu vào và đầu ra, (2) số lượng các mô hình đào tạo, (3) số lượng của tiếng ồn có mặt trong các dữ liệu đào tạo, (4) sự phức tạp của các chức năng để được học, và thuật toán (5) việc đào tạo lao động. Như đã thảo luận trước đó, việc lựa chọn quá lớn một số nút kết quả ẩn trong overfitting, dẫn đến sự tổng quát kém trừ khi một số khác nhau của overfitting phòng (ví dụ, quy tắc) được áp dụng. Sự lựa chọn