Aktualizacja

1)Polynomial:

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

Za to 4 neurony sobie radzą:



(b=1.5, 2)

2 neurony z odpowiednią inicjalizacją:





B) Sinus



Wyszło dobrze dla 4 neuronów:



(b=1.5,-2,0.5)

Dla 3 neuronów:



(b=1.6,1.7,2.25)



C)

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



(b=1.6,2; )



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)



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)