在Silva和Almeida的反向传播算法中,u和d的合适值是多少?

Silva和Almeida的算法通过为每个权重引入个性化的自适应学习率,对现有的反向传播算法进行了改进。新学习率的值计算如下:

下一步骤的学习常数

我读到常数ud的设定是u > 1d < 1。这些约束条件相当宽泛,所以是否有设置这些值的一般指导原则,还是我必须通过实验来确定适合我特定问题的值?


回答:

我读到适合大多数问题的“好起始”值是尝试u = 1.2和d = 0.8,但我现在找不到来源。

编辑:我找到了,PDF第10-11页

另外,请注意关于通过引入动量项来改进算法的评论,如果你还没有这样做的话…

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注