ロジスティックとニューラルネットワークの違い - OKWAVE
Nueral Networkの中間層がシグモイド関数かどうかはロジスティック回帰とは関係ありません。 -----ロジスティック回帰----- ロジスティック回帰では目的変数(y=ax+bのyのこと)に0-1の値をとる場合の回帰分析です。 その際に、ロジスティック回帰は目的変数が確率のロジット変換（シグモイド関数での変換）であるとして解きます。又その際の尤度として２項分布から求めた尤度を用います。（最小２乗誤差ではなく） -----Neural Network----- 一方、Neural Networkでも同様の事が行えます。これは中間層ではなく、出力層の関数と目的関数の定義の仕方で決まります。 出力層の関数をシグモイド関数とし、目的関数に２項分布の対数尤度を用いることで同様の事が行えます。 恐らく、通常は出力層の変換関数は何もせず、目的関数を最小２乗誤差で解いているのでこのような疑問が出
生態学データ解析 - ニューラルネット
R で使える (artificial) neural newtwork モデル利用のデータ解析について ニューラルネットワーク (wikipedia) は一種の統計モデルであり，「すごく非線形な多項ロジスティックモデル」と考えてもよい library(nnet) multinom() : 多項ロジスティック回帰， nnet() 利用 library(neural) library(AMORE) library(nnet) R 上でもっとも手軽につかえるニューラルネットワーク (NN) package R の help: library(help = nnet) これは install.packages("VR") でインストールされる というか，R の default package なのでユーザーがわざわざインストールする必要はない 詳しい説明は MASS4 本 8.10 Neural
バックプロパゲーション - Wikipedia
バックプロパゲーション（英: Backpropagation）または誤差逆伝播法（ごさぎゃくでんぱほう）[1]はニューラルネットワークの学習アルゴリズムである[2]。 概要[編集] バックプロパゲーションは数理モデルであるニューラルネットワークの重みを層の数に関わらず更新できる（学習できる）アルゴリズムである。ディープラーニングの主な学習手法として利用される。 そのアルゴリズムは次の通りである： ニューラルネットワークに学習のためのサンプルを与える。 ネットワークの出力を求め、出力層における誤差を求める。その誤差を用い、各出力ニューロンについて誤差を計算する。 個々のニューロンの期待される出力値と倍率 (scaling factor)、要求された出力と実際の出力の差を計算する。これを局所誤差と言う。 各ニューロンの重みを局所誤差が小さくなるよう調整する。 より大きな重みで接続された前段のニ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
PHIS/research2
Automatic detection of voice impairments by means of short-term cepstral parameters and neural network based detectors - IEEE Journals & Magazine
Blue whale calls classification using short-time Fourier and wavelet packet transforms and artificial neural network
ScienceDirect - Search Results: ALL(Neural Network voice Impairments)
