Параметры сети
Количество слоёв (n)
Размер слоёв (k)
Функция активации
ReLU
LeakyReLU
Модульная (abs)
Кастомно линейная (custom-linear)
Вероятность зашумления
Амплитуда зашумления
Параметры обучения
Скорость обучения (η)
Коэффициент ленивого нейрона
Применять коэффициент
в первом слое
ко всем ленивым
не применять
Регуляризация
не используется
L1
L2
Значение регуляризации (λ)
Функция потерь
MSE
MAE
Logcosh
Huber (𝛿 = 1)
Huber (𝛿 = 5)
Оптимизатор
SGD
SGD momentum
Adam
NAG
NAdam
Adagrad
AdaMax
RMSprop
AMSgrad
Размер батча
16
Вероятность ошибки метки
0
Доля фоновых точек в батче
0
Данные
Собственные точки по клику
не добавлять
тренировочные данные
тестовые данные
Тип данных
спираль
Гауссиан
окружность
квадраты
две области
moons
Параметры:
Шаг:
Ширина:
Параметры:
R
1
:
R
2
:
R
d
:
Первая область:
x:
y:
R:
Вторая область:
x:
y:
R:
Параметры:
x
1
:
x
2
:
y
1
:
y
2
:
Параметры:
x
1
:
y
1
:
x
2
:
y
2
:
R
x
min
:
R
x
max
:
R
y
min
:
R
y
max
:
Первое распределение:
μ
x
:
μ
y
:
σ²
x
:
σ²
y
:
cov(X, Y):
Второе распределение:
μ
x
:
μ
y
:
σ²
x
:
σ²
y
:
cov(X, Y):
Тип задачи
данные
фон
Количество данных
2000
Баланс классов
50%
Доля тестовых данных
50%
Ошибка
20%
Компакт
x
1
:
×
x
2
:
×
Ближайшие точки
Показать ближайшие точки
Кол-во ближайших точек
Независимо по классам
Тип расстояния:
Евклидово
Косинусное
Хэмминга
Перцентиль ближ. точек
Кол-во точек компакта
Область просмотра
Интервал по X₁
Интервал по X₂
Пороги классификации
Быстрый режим
Обучающие данные
Тестовые данные
Прямые
Компакт
Точки фона
Гистрограмма точек
Выход сети в 3D
Показать выход сети
не показывать
непрерывно
дискретно
Количество точек выхода сети
10
25
50
100
500
максимальное
Отображаемый нейрон
B₁
Отображать в связях:
весовые коэффициенты
градиенты
Решающее дерево
не строить
полное
оптимальное
Минимальное кол-во точек
Алгоритм построения
сбалансированно
модуль разности
энтропия
Эпоха:
Ошибка регрессии (
):
train
/
test
Ошибка классификации:
train
/
test
Доля отказа от распознавания:
%
train
/
%
test
✕