เป้าหมายของฉันคือการแก้ปัญหาต่อไปนี้ซึ่งฉันได้อธิบายไว้โดยอินพุตและเอาต์พุต:
การป้อนข้อมูล:
กราฟรอบทิศทางกับโหนดm , แหล่งที่มาnและ1อ่างล้างจาน ( m > n ≥ 1 )
เอาท์พุท:
VC-มิติ (หรือประมาณของมัน) สำหรับเครือข่ายประสาทกับโครงสร้างG
เฉพาะเจาะจงมากขึ้น :
- แต่ละโหนดในเป็นเซลล์ประสาท sigmoid โทโพโลยีได้รับการแก้ไขแล้ว แต่น้ำหนักบนขอบสามารถเปลี่ยนแปลงได้โดยอัลกอริทึมการเรียนรู้
- อัลกอริทึมการเรียนรู้ได้รับการแก้ไข (พูดการถ่ายทอดย้อนกลับ)
- โหนดต้นทางเซลล์ป้อนข้อมูลและสามารถใช้สตริงจาก{ - 1 , 1 } nเป็น input
- โหนด sink เป็นหน่วยเอาต์พุต มันออกค่าจริงจากที่เรารอบขึ้นไป1หรือลงเพื่อ- 1ถ้ามันเป็นมากกว่าเกณฑ์บางอย่างคงที่δห่างจาก0
วิธีการที่ไร้เดียงสาเป็นเพียงการพยายามแบ่งคะแนนให้มากขึ้นโดยพยายามฝึกอบรมเครือข่าย อย่างไรก็ตามวิธีการจำลองแบบนี้ไม่มีประสิทธิภาพ
คำถาม
มีวิธีที่มีประสิทธิภาพ (เช่นในเมื่อเปลี่ยนเป็นปัญหาการตัดสินใจ: มิติข้อมูล VC น้อยกว่าพารามิเตอร์อินพุตkหรือไม่) เพื่อคำนวณฟังก์ชันนี้หรือไม่ ถ้าไม่ได้ผลความแข็งมีอะไรบ้าง
มีวิธีที่ใช้งานได้ดีในการคำนวณหรือประมาณฟังก์ชั่นนี้หรือไม่? หากเป็นการประมาณจะมีการรับประกันความถูกต้องหรือไม่?
หมายเหตุ
ฉันถามคำถามที่คล้ายกันเกี่ยวกับ stats.SE แต่มันไม่ได้สร้างความสนใจ