fann_init_weights
(PECL fann >= 1.0.0)
fann_init_weights — Initialise les poids en utilisant les algorythme Widrow et Nguyen
Description
$ann
, resource $train_data
) : boolInitialise les poids en utilisant les algorythme Widrow et Nguyen.
Cette fonction a un fonctionnement similaire à la fonction fann_randomize_weights(). Elle va utiliser l'algorythme développé par Derrick Nguyen et Bernard Widrow pour définir les poids de telle façon à ce que l'entrainement devienne plus rapide. Cette technique n'est pas toujours couronnée de succès, et dans quelques cas, peut être moins efficace qu'une initialisation purement aléatoire.
L'algorythme requiert l'accès à l'intervalle de données entrantes (par exemple, les entrées la plus petit et la plus grande), et aceepte aussi un second argument, les données, qui sont les données d'entrainement qui seront utilisés pour l'entrainement du réseau.
Liste de paramètres
-
ann -
Ressource de réseau de neurones.
-
train_data -
Ressource de données d'entrainement du réseau de neurones.
Voir aussi
- fann_randomize_weights() - Donne à chaque connexion un poids aléatoire compris entre min_weight et max_weight
- fann_read_train_from_file() - Lit un fichier contenant les données d'entrainement
Document créé le 30/01/2003, dernière modification le 26/10/2018
Source du document imprimé : https://www.gaudry.be/php-rf-fann-init-weights.html
L'infobrol est un site personnel dont le contenu n'engage que moi. Le texte est mis à disposition sous licence CreativeCommons(BY-NC-SA). Plus d'info sur les conditions d'utilisation et sur l'auteur.
Références
Ces références et liens indiquent des documents consultés lors de la rédaction de cette page, ou qui peuvent apporter un complément d'information, mais les auteurs de ces sources ne peuvent être tenus responsables du contenu de cette page.
L'auteur de ce site est seul responsable de la manière dont sont présentés ici les différents concepts, et des libertés qui sont prises avec les ouvrages de référence. N'oubliez pas que vous devez croiser les informations de sources multiples afin de diminuer les risques d'erreurs.
