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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注