RELU and L-RELU activation functions are listed in the C++ library enum (fann_data.h:~214) but PHP constants have not been assigned for them as of this note. You can add them yourself:
define('FANN_LINEAR_PIECE_RECT', 18);
define('FANN_LINEAR_PIECE_RECT_LEAKY', 19);
PHP.mk документација
Претходно дефинирани константи
Почист и полокален преглед на PHP референцата, со задржана структура од PHP.net и подобра читливост за примери, секции и белешки.
Патека
fann.constants.php
Локална патека за оваа страница.
Извор
php.net/manual/en
Оригиналниот HTML се реупотребува и локално се стилизира.
Режим
Прокси + преведен приказ
Кодовите, табелите и белешките остануваат читливи во истиот тек.
Референца
fann.constants.php
Претходно дефинирани константи
Референца за `fann.constants.php` со подобрена типографија и навигација.
Претходно дефинирани константи
Следниве константи се дефинирани од ова проширување и ќе бидат достапни само кога проширувањето е или компајлирано во PHP или динамички вчитано во време на извршување.
-
Алгоритми за обука
-
FANN_TRAIN_INCREMENTAL(int) - Стандарден алгоритам за обратно пропагирање, каде што тежините се ажурираат по секој образец за обука. Ова значи дека тежините се ажурираат многу пати за време на една епоха. Од оваа причина, некои проблеми ќе се обучат многу брзо со овој алгоритам, додека други, посложени проблеми, нема да се обучат многу добро.
-
FANN_TRAIN_BATCH(int) - Стандарден алгоритам за обратно пропагирање, каде што тежините се ажурираат по пресметувањето на средната квадратна грешка за целиот сет за обука. Ова значи дека тежините се ажурираат само еднаш за време на една епоха. Од оваа причина, некои проблеми ќе се обучат побавно со овој алгоритам. Но, бидејќи средната квадратна грешка се пресметува поправилно отколку во инкременталното учење, некои проблеми ќе постигнат подобри решенија со овој алгоритам.
-
FANN_TRAIN_RPROP(int) - По понапреден алгоритам за обука во серии кој постигнува добри резултати за многу проблеми. Алгоритамот за обука RPROP е адаптивен и затоа не ја користи стапката на учење (learning_rate). Сепак, некои други параметри можат да се постават за да се промени начинот на кој работи алгоритамот RPROP, но тоа се препорачува само за корисници кои имаат увид во тоа како работи алгоритамот за обука RPROP. Алгоритамот за обука RPROP е опишан од [Riedmiller and Braun, 1993], но вистинскиот алгоритам за учење што се користи овде е алгоритамот за обука iRPROP- кој е опишан од [Igel and Husken, 2000], што е варијанта на стандардниот алгоритам за обука RPROP.
-
FANN_TRAIN_QUICKPROP(int) - По понапреден алгоритам за обука во серии кој постигнува добри резултати за многу проблеми. Алгоритамот за обука quickprop ја користи стапката на учење (learning_rate) заедно со други понапредни параметри, но се препорачува да се менуваат овие напредни параметри само за корисници кои имаат увид во тоа како работи алгоритамот за обука quickprop. Алгоритамот за обука quickprop е опишан од [Fahlman, 1988].
-
FANN_TRAIN_SARPROP(int) - Уште понапреден алгоритам за обука. Само за верзија 2.2
-
Активациски функции
-
FANN_LINEAR(int) - Линеарна активациска функција.
-
FANN_THRESHOLD(int) - Праговна активациска функција.
-
FANN_THRESHOLD_SYMMETRIC(int) - Праговна активациска функција.
-
FANN_SIGMOID(int) - Сигмоидна активациска функција.
-
FANN_SIGMOID_STEPWISE(int) - Постапна линеарна апроксимација на сигмоидот.
-
FANN_SIGMOID_SYMMETRIC(int) - Симетрична сигмоидна активациска функција, позната и како tanh.
-
FANN_SIGMOID_SYMMETRIC_STEPWISE(int) - Постапна линеарна апроксимација на симетричен сигмоид
-
FANN_GAUSSIAN(int) - Гаусова активациска функција.
-
FANN_GAUSSIAN_SYMMETRIC(int) - Симетрична Гаусова активациска функција.
-
FANN_GAUSSIAN_STEPWISE(int) - Постапна Гаусова активациска функција.
-
FANN_ELLIOT(int) - Брза (слична на сигмоид) активациска функција дефинирана од Дејвид Елиот.
-
FANN_ELLIOT_SYMMETRIC(int) - Брза (симетрична, слична на сигмоид) активациска функција дефинирана од Дејвид Елиот.
-
FANN_LINEAR_PIECE(int) - Ограничена линеарна активациска функција.
-
FANN_LINEAR_PIECE_SYMMETRIC(int) - Ограничена линеарна активациска функција.
-
FANN_SIN_SYMMETRIC(int) - Периодична синусна активациска функција.
-
FANN_COS_SYMMETRIC(int) - Периодична активациона функција косинус.
-
FANN_SIN(int) - Периодична синусна активациска функција.
-
FANN_COS(int) - Периодична активациона функција косинус.
-
Функција за грешка што се користи при обука
-
FANN_ERRORFUNC_LINEAR(int) - Стандардна линеарна функција за грешка.
-
FANN_ERRORFUNC_TANH(int) - Tanh функција за грешка; обично е подобра, но може да бара пониска стапка на учење. Оваа функција за грешка агресивно ги таргетира излезите што многу се разликуваат од посакуваниот излез, додека не ги таргетира излезите што се разликуваат само малку. Не се препорачува за каскадна или инкрементална обука.
-
Критериум за запирање што се користи при обука
-
FANN_STOPFUNC_MSE(int) - Критериум за запирање е вредност на средната квадратна грешка (MSE).
-
FANN_STOPFUNC_BIT(int) - Критериум за запирање е број на битови што откажуваат. Бројот на битови значи број на излезни неврони кои се разликуваат повеќе од границата за откажување на битови (види fann_get_bit_fail_limit, fann_set_bit_fail_limit). Битовите се бројат во сите податоци за обука, така што овој број може да биде поголем од бројот на податоци за обука.
-
Дефиниција на типови на мрежи што се користат од fann_get_network_type()
-
FANN_NETTYPE_LAYER(int) - Секој слој има само врски со следниот слој.
-
FANN_NETTYPE_SHORTCUT(int) - Секој слој има врски со сите следни слоеви
-
Грешки
-
FANN_E_NO_ERROR(int) - Нема грешка.
-
FANN_E_CANT_OPEN_CONFIG_R(int) - Не може да се отвори конфигурациската датотека за читање.
-
FANN_E_CANT_OPEN_CONFIG_W(int) - Не може да се отвори конфигурациската датотека за пишување.
-
FANN_E_WRONG_CONFIG_VERSION(int) - Грешна верзија на конфигурациската датотека.
-
FANN_E_CANT_READ_CONFIG(int) - Грешка при читање информации од конфигурациската датотека.
-
FANN_E_CANT_READ_NEURON(int) - Грешка при читање информации за неврони од конфигурациската датотека.
-
FANN_E_CANT_READ_CONNECTIONS(int) - Грешка при читање врски од конфигурациската датотека.
-
FANN_E_WRONG_NUM_CONNECTIONS(int) - Бројот на врски не е еднаков на очекуваниот број.
-
FANN_E_CANT_OPEN_TD_W(int) - Не може да се отвори датотеката со податоци за обука за пишување.
-
FANN_E_CANT_OPEN_TD_R(int) - Не може да се отвори датотеката со податоци за обука за читање.
-
FANN_E_CANT_READ_TD(int) - Грешка при читање податоци за обука од датотека.
-
FANN_E_CANT_ALLOCATE_MEM(int) - Не може да се распредели меморија.
-
FANN_E_CANT_TRAIN_ACTIVATION(int) - Не може да се обучи со избраната активациска функција.
-
FANN_E_CANT_USE_ACTIVATION(int) - Не може да се користи избраната активациска функција.
-
FANN_E_TRAIN_DATA_MISMATCH(int) - Непомирливи разлики помеѓу две fann_train_data структури.
-
FANN_E_CANT_USE_TRAIN_ALG(int) - Не може да се користи избраниот алгоритам за обука.
-
FANN_E_TRAIN_DATA_SUBSET(int) - Се обидува да земе подмножество кое не е во рамките на множеството за обука.
-
FANN_E_INDEX_OUT_OF_BOUND(int) - Индексот е надвор од границите.
-
FANN_E_SCALE_NOT_PRESENT(int) - Параметрите за скалирање не се присутни.
-
FANN_E_INPUT_NO_MATCH(int) - Бројот на влезни неврони во ann и податоците не се совпаѓаат
-
FANN_E_OUTPUT_NO_MATCH(int) - Бројот на излезни неврони во ann и податоците не се совпаѓаат.
Белешки од корисници 1 белешка
aaroncr+php на gmail точка ком ¶
пред 1 година