私はシナプスJSライブラリを使用して機械学習を行っています。私の経験は数日に限定されていますので、plsはこのトピックに関する私の無知を許しています。ありがとうございました。入力変更によって活性化出力があまり変化しない[シナプス]
3つの入力、6つの隠しファイル、6つの隠しファイル、1つの出力を持つArchitect Networkを使用しています。
私の入力データは正規化されており、分散しています。
私は自分のデータセットを調べて、ネットワーク出力を各時点で計算するためにループを使用しています。しかし、入力分散が正常である間に、活性化出力は各時間単位の間に0> 0の低い値を示します。以下の入力と出力を参照してください
[0.363820590302、0.3330488358480717、0.3116651885975185]、[ 0.5172988208539779]] [[0.48585295937399997、0.3334973502634277、0.46007835102578876]、[0.5172953785026767]] [[0.517562951083、0.33397529189524716、 0.498643366077466]、[ 0.5172944759870963]] [[0.498637746879、0.3344243285138506、0.47562693669139866]、[0.517294997539339]] [[0.526600573119、0.33492075191037307、0.5096347290849914]、[0.5172941999844842]] [[0.531292644737、0.3354644096344466、0.5153411264323275]、[ 0.51729 40554705523]
ここで、最初の3つは入力であり、太字のものは対応する出力です。
何か間違っていますか？
ネットワークは訓練されていますか？ –
モデルは訓練されていません。私はモデルを鍛えるためにフィットネスを使用します。最高の適応度を持つネットワークが世代で使用されます。私は突然変異と交叉を使用する。ただし、入力が正しく変更されると、アクティブ化機能の出力が変わる必要がありますか？ –
ネットワークが変更されていない場合、出力は非常に似ています。遺伝的アルゴリズムを使用している場合は、さまざまな重みを持つプールを作成し、それらをランダムにバックプロパゲージして、出力が異なる入力で大きく変化するようにする必要があります。私はシナプスにおける遺伝的アルゴリズムのライブラリを持っています。見てください：https://github.com/wagenaartje/gynaptic –