Optimális neurális hálózat kiválasztása Bayes-becslés segítségével

Szerzők

  • Béla Szekeres
  • Milán Kondics

DOI:

https://doi.org/10.37775/EIS.2021.1.5

Kulcsszavak:

neurális hálózat, nested sampling, Bayes-tétel

Absztrakt

Ezen munkánkban célunk, hogy neurális hálózatokra alkalmazva a Bayes-becslést az a posteriori becslések során a különböző modellek közül kiválasszuk a tanító adatoknak legjobban megfelelőt. Mindehhez egy sokdimenziós integrál kiszámítása szükséges, amely a hagyományos Monte-Carlo módszerekkel is nehéz feladat; erre a célra a beágyazott mintavételezés (nested sampling) algoritmust alkalmazzuk,
és a számítások járulékos eredményeként kapjuk meg a betanított hálózatot a hiperparaméterek terében is bolyongást végezve. Továbbá rámutatunk arra, hogyan lehet ötvözni a gradiens visszaterjesztéses és a véletlen bolyongásos tanítást hibrid hálózatokat nyerve.

##submission.downloads##

Megjelent

2021-04-27

Hogyan kell idézni

Szekeres, B., & Kondics, M. (2021). Optimális neurális hálózat kiválasztása Bayes-becslés segítségével. Mérnöki és Informatikai Megoldások, 2(1.), 37–46. https://doi.org/10.37775/EIS.2021.1.5

Folyóiratszám

Rovat

Közlemények