How are the Gaussian constants used

How are the Gaussian constants used with a neural network? The peak is
almost always one. To unilaterally decrease the effectiveness of training, the
peak should be set below one. However, this is more the role of the learning
rate. The center is almost always zero to center the curve on the origin. If the
center is changed, then a neuron other than the BMU would receive the full
learning. It is unlikely you would ever want to do this. For a multi-dimensional
Gaussian, set all centers to zero to truly center the curve at the origin.
This leaves the width of the Gaussian function. The width should be set
to something slightly less than the entire width of the grid or array. Then
the width should be gradually decreased. The width should be decreased
monotonically just like the learning rate.

Kết quả (Việt) 1:

Làm thế nào các hằng số Gaussian được sử dụng với một mạng nơ-ron? Đỉnh cao làhầu như luôn luôn là một. Đơn phương giảm hiệu quả đào tạo, cáccao điểm nên được đặt bên dưới một. Tuy nhiên, điều này là hơn vai trò của học tậptỷ lệ. Trung tâm hầu như luôn luôn là số không đến Trung tâm của đường cong về nguồn gốc. Nếu cácTrung tâm thay đổi, sau đó một tế bào thần kinh khác hơn so với BMU sẽ nhận được đầy đủhọc tập. Nó là không bao giờ bạn muốn làm điều này. Cho một đa chiềuGauss, đặt tất cả các trung tâm về không thực sự trung tâm đường cong tại nguồn gốc.Điều này lá chiều rộng của các chức năng Gaussian. Chiều rộng nên được thiết lậpmột cái gì đó một chút ít hơn chiều rộng toàn bộ của lưới hoặc mảng. Sau đóchiều rộng nên được giảm dần. Chiều rộng nên được giảmmonotonically giống như tỷ lệ học tập.

Kết quả (Việt) 2:

Làm thế nào là các hằng số Gaussian sử dụng với một mạng lưới thần kinh? Đỉnh điểm là
hầu như luôn luôn là một. Để giảm đơn phương hiệu quả đào tạo, các
cao điểm nên được đặt dưới một. Tuy nhiên, đây là chi tiết về vai trò của việc học tập
suất. Các trung tâm là hầu như luôn luôn bằng không đến trung tâm các đường cong về nguồn gốc. Nếu các
trung tâm được thay đổi, sau đó một tế bào thần kinh khác với BMU sẽ nhận được đầy đủ
học tập. Nó dường như không bao giờ bạn sẽ muốn làm điều này. Đối với một đa chiều
Gaussian, thiết lập tất cả các trung tâm để không thực sự tập trung các đường cong tại gốc.
Điều này làm các chiều rộng của hàm Gaussian. Chiều rộng nên được thiết lập
để một cái gì đó hơi ít hơn so với toàn bộ chiều rộng của lưới điện hoặc mảng. Sau đó,
chiều rộng nên được giảm dần. Chiều rộng nên được giảm
một cách đơn điệu giống như tỷ lệ học.