Aktualizacja

1)Polynomial:
poly.png

Zakładałam ze 2 neurony na jedną klasę powinny dać radę ale:
(b=3): (b=2)
2neurony2.png2neurony1.png

Za to 4 neurony sobie radzą:

4neuronys.png

(b=1.5, 2)
4neurony2.png



2 neurony z odpowiednią inicjalizacją:

2NeuIni.png



2NeuIniN.png



B) Sinus

sin.png



Wyszło dobrze dla 4 neuronów:



5neurons.png

(b=1.5,-2,0.5)
5neuron.png


Dla 3 neuronów:

4neurons.png

(b=1.6,1.7,2.25)


4.png


C)

closedConc.png
Jedyne co wyszło (przy odpowiedniej inicjacji i po usunięciu części punktów dominującej klasy) za którymś razem:


4neuronyres.png

(b=1.6,2; )

4ne.png







Zmniejszyłam skos i jest lepiej (sieć uczy się o wiele łatwiej) Przykładowe porównanie błędów z MLP:

a)Polynomial

- DMLP 2 neurony: 163 źle sklasyfikowanych punktów ( na 6561), średni błąd dla zbioru testowanego 0.048239771.

-MLP 3 neurony , 113 źle sklasyfikowanych punktów, średni błąd dla zbioru testowanego 0.04236.




Granice dla DMLP( skos: 35, wsp ucz: 0.0004)


2.png


b)Sinus
DMLP 3 neurony: 240 źle sklasyfikowanych punktów , średni błąd dla zbioru testowanego 0.066473727

MLP 4 neurony: 289 źle sklasyfikowanych punktów , średni błąd dla zbioru testowanego 0.0892980


Granice dla DMLP( skos: 35, wsp ucz : 0,0001)


3.png