Page 1 of 1

Netzwerkumwandlung

Posted: Wed 17. Mar 2021, 21:09
by neogeees
Hallo,
ich habe ein gegebenes Netzwerk fuer Klassifizierung und moechte dies umwandeln. Also eher an sich optimieren.

Eingang sind 8 Megabit. Struktur gibt eine Ausgabe von 256 Bit.
Acurrency 99.999%

Einziger Nachteil: Viel zu komplex

Bei binaerer Logik kann man doch Vereinfachen, nur fuer NN habe ich noch nichts gefunden, wie man aequivalente Netzwerke in einander ueberfuehren kann.

Geht das mit MemBrain???

Oder muss ich einfach ein einfacheres neu entwerfen und dann alles neu trainieren?
Die Datensaetze haette ich ja schon vom komplizierten.
Ginge es, diese Beiden im Stil GAN laufen zu lassen?

Vielen Dank

Gruesse

Re: Netzwerkumwandlung

Posted: Mon 22. Mar 2021, 16:37
by TJetter
Hallo,
neogeees wrote: Wed 17. Mar 2021, 21:09 Bei binaerer Logik kann man doch Vereinfachen, nur fuer NN habe ich noch nichts gefunden, wie man aequivalente Netzwerke in einander ueberfuehren kann.

Geht das mit MemBrain???
Ein automatisches Umwandeln o.ä. bietet MemBrain nicht. Ich muss gestehen, dass ich aber auch die Frage bzw. Problemstellung nicht ganz verstanden habe.
neogeees wrote: Wed 17. Mar 2021, 21:09 Oder muss ich einfach ein einfacheres neu entwerfen und dann alles neu trainieren?
Wenn ich die Frage richtig verstehe, dann ja, ist das der einzige Weg.
neogeees wrote: Wed 17. Mar 2021, 21:09 Ginge es, diese Beiden im Stil GAN laufen zu lassen?
Was bedeutet das?

Re: Netzwerkumwandlung

Posted: Mon 22. Mar 2021, 20:38
by neogeees
Hallo,
wenn ich GAN richtig verstanden habe, dann arbeiten da zwei Netzwerke im Konkurrenzmodus.
Koennte ich also das Netz, dass ich vereinfachen will, dazu nehmen, dass "Neue" zu trainieren?
Ich meine natuerlich in Ihrer Software.

Schwierigkeit:
Das originales Netzwerk hat Verbindungen zwischen Neuronen in dem gleichen hidden Layer.
Ist also nicht sehr "Standard".

Bei 8 Megabit-Eingang-Neuronen das per Hand zu machen waere etwas aufwendig, auch wenn die Muster wirklich sehr auffaellig (sich immer wiederholen) sind.

Vielen Dank

Gruesse