FANN 미리 정의된 상수

아래 상수는 이 확장에 의해 정의되며 확장이 PHP로 컴파일되거나 런타임에 동적으로 로드된 경우에만 사용할 수 있습니다.

FANN_TRAIN_INCREMENTAL (int): 각 훈련 패턴 후에 가중치가 업데이트되는 표준 역전파 알고리즘. 이것은 가중치가 단일 에포크 동안 여러 번 업데이트됨을 의미합니다. 이러한 이유로 일부 문제는 이 알고리즘으로 매우 빠르게 학습되지만 다른 고급 문제는 잘 학습되지 않습니다.
FANN_TRAIN_BATCH (int): 전체 훈련 세트에 대한 평균 제곱 오차를 계산한 후 가중치가 업데이트되는 표준 역전파 알고리즘입니다. 이것은 가중치가 Epoch 동안 한 번만 업데이트됨을 의미합니다. 이러한 이유로 일부 문제는 이 알고리즘으로 더 느리게 학습합니다. 그러나 평균 제곱 오차는 증분 훈련보다 더 정확하게 계산되기 때문에 일부 문제는 이 알고리즘을 사용하여 더 나은 솔루션에 도달할 수 있습니다.
FANN_TRAIN_RPROP (int): 많은 문제에 대해 좋은 결과를 얻는 고급 배치 훈련 알고리즘. RPROP 훈련 알고리즘은 적응형이므로 learning_rate를 사용하지 않습니다. 그러나 일부 다른 매개변수를 설정하여 RPROP 알고리즘이 작동하는 방식을 변경할 수 있지만 RPROP 교육 알고리즘이 작동하는 방식에 대한 통찰력이 있는 사용자에게만 권장됩니다. RPROP 훈련 알고리즘은 [Riedmiller and Braun, 1993]에 의해 기술되어 있지만, 여기서 사용되는 실제 학습 알고리즘은 표준 RPROP 훈련 알고리즘의 다양한 [Igel and Husken, 2000]에 의해 기술된 iRPROP-훈련 알고리즘이다.
FANN_TRAIN_QUICKPROP (int): 많은 문제에 대해 좋은 결과를 얻는 고급 배치 훈련 알고리즘. quickprop 학습 알고리즘은 learning_rate 매개변수와 다른 고급 매개변수를 사용하지만, quickprop 학습 알고리즘의 작동 방식에 대한 통찰력이 있는 사용자를 위해 이러한 고급 매개변수만 변경하는 것이 좋습니다. Quickprop 훈련 알고리즘은 [Fahlman, 1988]에 의해 설명됩니다.
FANN_TRAIN_SARPROP (int): 더욱 발전된 훈련 알고리즘. 버전 2.2에만 해당

FANN_LINEAR (int): 선형 활성화 함수.
FANN_THRESHOLD (int): 임계값 활성화 함수.
FANN_THRESHOLD_SYMMETRIC (int): 임계값 활성화 함수.
FANN_SIGMOID (int): 시그모이드 활성화 함수.
FANN_SIGMOID_STEPWISE (int): 시그모이드에 대한 단계적 선형 근사.
FANN_SIGMOID_SYMMETRIC (int): 대칭 시그모이드 활성화 함수, aka. tanh.
FANN_SIGMOID_SYMMETRIC_STEPWISE (int): 대칭 시그모이드에 대한 단계적 선형 근사
FANN_GAUSSIAN (int): 가우스 활성화 함수.
FANN_GAUSSIAN_SYMMETRIC (int): 대칭 가우스 활성화 함수.
FANN_GAUSSIAN_STEPWISE (int): 단계적 가우스 활성화 함수.
FANN_ELLIOT (int): David Elliott가 정의한 빠른(sigmoid like) 활성화 함수입니다.
FANN_ELLIOT_SYMMETRIC (int): David Elliott가 정의한 빠른(대칭 시그모이드 유사) 활성화 함수입니다.
FANN_LINEAR_PIECE (int): 유계 선형 활성화 함수.
FANN_LINEAR_PIECE_SYMMETRIC (int): 유계 선형 활성화 함수.
FANN_SIN_SYMMETRIC (int): 주기적 부비동 활성화 함수.
FANN_COS_SYMMETRIC (int): 주기적 코사인 활성화 함수.
FANN_SIN (int): 주기적 부비동 활성화 함수.
FANN_COS (int): 주기적 코사인 활성화 함수.

FANN_ERRORFUNC_LINEAR (int): 표준 선형 오차 함수.
FANN_ERRORFUNC_TANH (int): Tanh 오류 함수; 일반적으로 더 좋지만 더 낮은 학습률이 필요할 수 있습니다. 이 오류 함수는 원하는 것과 많이 다른 출력을 적극적으로 대상으로 하는 반면 약간만 다른 출력은 대상으로 하지 않습니다. 캐스케이드 또는 증분 교육에는 권장되지 않습니다.

FANN_STOPFUNC_MSE (int): 정지 기준은 평균 제곱 오차(MSE) 값입니다.
FANN_STOPFUNC_BIT (int): 중지 기준은 실패한 비트 수입니다. 비트 수는 비트 실패 한계(fann_get_bit_fail_limit, fann_set_bit_fail_limit 참조)보다 더 많이 다른 출력 뉴런의 수를 의미합니다. 비트는 모든 훈련 데이터에서 계산되므로 이 숫자는 훈련 데이터의 수보다 높을 수 있습니다.

FANN_NETTYPE_LAYER (int): 각 계층은 다음 계층과만 연결됩니다.
FANN_NETTYPE_SHORTCUT (int): 각 레이어는 다음의 모든 레이어에 연결됩니다.

FANN_E_NO_ERROR (int): 오류가 없습니다.
FANN_E_CANT_OPEN_CONFIG_R (int): 읽기 위해 구성 파일을 열 수 없습니다.
FANN_E_CANT_OPEN_CONFIG_W (int): 쓰기 위해 구성 파일을 열 수 없습니다.
FANN_E_WRONG_CONFIG_VERSION (int): 잘못된 버전의 구성 파일입니다.
FANN_E_CANT_READ_CONFIG (int): 구성 파일에서 정보를 읽는 동안 오류가 발생했습니다.
FANN_E_CANT_READ_NEURON (int): 구성 파일에서 뉴런 정보를 읽는 동안 오류가 발생했습니다.
FANN_E_CANT_READ_CONNECTIONS (int): 구성 파일에서 연결을 읽는 동안 오류가 발생했습니다.
FANN_E_WRONG_NUM_CONNECTIONS (int): 연결 수가 예상한 수와 같지 않습니다.
FANN_E_CANT_OPEN_TD_W (int): 쓰기 위해 기차 데이터 파일을 열 수 없습니다.
FANN_E_CANT_OPEN_TD_R (int): 읽기 위해 기차 데이터 파일을 열 수 없습니다.
FANN_E_CANT_READ_TD (int): 파일에서 훈련 데이터를 읽는 동안 오류가 발생했습니다.
FANN_E_CANT_ALLOCATE_MEM (int): 메모리를 할당할 수 없습니다.
FANN_E_CANT_TRAIN_ACTIVATION (int): 선택한 활성화 함수로 훈련할 수 없습니다.
FANN_E_CANT_USE_ACTIVATION (int): 선택한 활성화 함수를 사용할 수 없습니다.
FANN_E_TRAIN_DATA_MISMATCH (int): 두 struct fann_train_data 구조 간의 조정 불가능한 차이점.
FANN_E_CANT_USE_TRAIN_ALG (int): 선택한 학습 알고리즘을 사용할 수 없습니다.
FANN_E_TRAIN_DATA_SUBSET (int): 훈련 세트에 없는 부분집합을 가져오려고 합니다.
FANN_E_INDEX_OUT_OF_BOUND (int): 인덱스가 범위를 벗어났습니다.
FANN_E_SCALE_NOT_PRESENT (int): 스케일링 매개변수가 없습니다.
FANN_E_INPUT_NO_MATCH (int): ann과 데이터의 입력 뉴런 수가 일치하지 않습니다.
FANN_E_OUTPUT_NO_MATCH (int): ann과 데이터의 출력 뉴런 수가 일치하지 않습니다.

FANN 미리 정의된 상수

FANN(고속 인공 신경망)

PHP

웹학교

참조