ニューラル・ネットワーク・ノード エキスパート・オプション : 複数方法

注意: この情報は、ニューラル・ネットワークモデル作成ノードの廃止されたバージョンに関連するものです。ここでは参考のみの目的として記載します。機能が拡張された新しいバージョンのニューラル・ネットワーク・ノードがこのリリースで使用できます。詳しくは、トピックニューラル・ネットワークを参照してください。廃止されたバージョンでモデルを作成およびスコアリングできますが、新しいバージョンを使用することを強くお勧めします。

ニューラル・ネットワークをよく理解している場合は、次のエキスパート・オプションを使用して、学習過程を調整できます。エキスパート・オプションを利用するには、「モデル」タブで学習方法に「複数」を指定し、次に「エキスパート」タブで「モード」を「エキスパート」 に設定します。

トポロジー: 学習するネットワークのトポロジーを指定します。トポロジーは、各層の隠れユニット数をカンマで区切った形で指定します。トポロジーには、適切な数のパラメーターを使用して隠れ層を 3 つまで指定することができます。例えば、10 ユニットからなる隠れ層を 1 つ持つネットワークの場合は、10 と指定します。10 ユニット、12 ユニット、および 15 ユニットからなる 3 つの隠れ層を持つネットワークの場合は、10, 12, 15 と指定します。

また、2 ～ 3 つの数値をスペースで区切ることで、1 つの層内の隠れユニットとして、数値の範囲を指定することもできます。2 つの数値を指定すると、両方の数値も含めた両数値間の各整数と同じ隠れユニットを持つネットワークが作成されます (包括的)。例えば、1 つの層に 10、11、12、13、14 の隠れユニットを持つネットワークを作成するには、10 14 と指定します。10 ～ 14 のユニットを持つ隠れ層と 8 ～ 12 のユニットを持つ隠れ層があるネットワークを作成するには、10 14, 8 12 と指定します。この場合、すべての可能な値の組み合わせを含むネットワークが生成されます。3 番目の値を指定すると、その数値は、最初の値から 2 番目の値までを数える際の増分として使用されます。例えば、10、12、14、16 の隠れユニットを持つネットワークを生成するには、10 16 2と指定します。

セミコロンで区切って複数のネットワーク トポロジーを指定することもできます。例えば、10、12、14、16 の隠れユニットから構成される 1 つの隠れ層を持つネットワークと、2 つの隠れ層 (10 の隠れユニットから構成される層と、7 ～ 10 の隠れユニットから構成される層) を持つネットワークを生成するには、10 16 2; 10, 7 10 と指定します。

非ピラミッドの破棄: ピラミッドとは、各層に前の層と同数以下の隠れ単位が含まれるネットワークです。通常、このようなネットワークは、非ピラミッド型のネットワークよりも適切に学習できます。このオプションを選択すると、非ピラミッド型のネットワークは破棄されます。

持続性: ネットワークが改善されない場合に、学習を続行するサイクル数を指定します。値が高いほど、ネットワークの極小を回避できますが、学習時間は長くなります。

α および η: これらのパラメーターは、ネットワークの学習を制御します。 詳しくは、トピックニューラル・ノードの学習率を参照してください。