عند بناء شبكة عصبية هل يوجد قاعدة للعدد الـ hidden layer ؟

وعليكم السلام ورحمة الله وبركاته.

لا توجد قاعدة ثابتة لتحديد عدد الطبقات المخفية (hidden layers) أو عدد الخلايا العصبية في كل طبقة ولكن تحديدها يختلف بناء على نوع المشكلة فإذا كانت المشكلة التي تحاول حلها خطية (مثل التصنيف أو التنبؤ البسيط) فغالباً طبقة مخفية واحدة تكفي أما إذا كانت المشكلة معقدة مثل معالجة الصور أو اللغة الطبيعية)، فقد تحتاج إلى المزيد من الطبقات.

وغالبا الشبكات العميقة تحتوي عادةً على ما بين 2 إلى 10 طبقات مخفية أو أكثر ولكن الزيادة في عدد الطبقات تؤدي إلى تعقيد الحسابات وتحتاج إلى وقت تدريب أطول وقد تؤدي إلى الإفراط في التكيف (overfitting) ولذلك يمكنك إستخدام التجربة والخطأ (Trial and error) لتحديد عدد الطبقات حيث يمكنك البدا من طبقة وزدها تدريجيا وأنظر إلى النتائج لتحديد عدد الطبقات المناسبة لك.

بتاريخ 8 ساعة قال محمد عاطف17:

وعليكم السلام ورحمة الله وبركاته.

لا توجد قاعدة ثابتة لتحديد عدد الطبقات المخفية (hidden layers) أو عدد الخلايا العصبية في كل طبقة ولكن تحديدها يختلف بناء على نوع المشكلة فإذا كانت المشكلة التي تحاول حلها خطية (مثل التصنيف أو التنبؤ البسيط) فغالباً طبقة مخفية واحدة تكفي أما إذا كانت المشكلة معقدة مثل معالجة الصور أو اللغة الطبيعية)، فقد تحتاج إلى المزيد من الطبقات.

وغالبا الشبكات العميقة تحتوي عادةً على ما بين 2 إلى 10 طبقات مخفية أو أكثر ولكن الزيادة في عدد الطبقات تؤدي إلى تعقيد الحسابات وتحتاج إلى وقت تدريب أطول وقد تؤدي إلى الإفراط في التكيف (overfitting) ولذلك يمكنك إستخدام التجربة والخطأ (Trial and error) لتحديد عدد الطبقات حيث يمكنك البدا من طبقة وزدها تدريجيا وأنظر إلى النتائج لتحديد عدد الطبقات المناسبة لك.

 

شكرااا جدا لحضرتك

طبقة مخفية واحدة كافية مع عدد كافٍ من الخلايا العصبية تستطيع تعلم الأنماط الأساسية في البيانات.

بالطبع يساعد إضافة المزيد من الطبقات المخفية الشبكة على تعلم أنماط وتمثيلات أكثر تعقيدًا، خاصةً عند التعامل مع مجموعات بيانات كبيرة أو مشكلات معقدة، لكن أحيانًأ الكثير من الطبقات المخفية تؤدي إلى فرط التخصيص، حيث تصبح الشبكة متخصصة جدًا في بيانات التدريب وتفشل في التعميم بشكل جيد على البيانات الجديدة غير المرئية.

بالتالي كقاعدة عامة نقطة البداية الشائعة هي استخدام 2-3 أضعاف عدد ميزات الإدخال كعدد الخلايا العصبية في الطبقة المخفية الأولى.

أيضًأ يؤدي استخدام عدد قليل جدًا من الخلايا العصبية إلى نقص التخصيص، حيث تفشل الشبكة في التقاط الأنماط الأساسية في البيانات.

كتوازن، قم إما زيادة العمق (عدد الطبقات المخفية) أو العرض (عدد الخلايا العصبية في كل طبقة) للشبكة، وكلتا الطريقتين لها مزاياها وعيوبها، مع محاولة الإعتماد على تقنيات تنظيم الشبكة، مثل التسرب وتنظيم L1 / L2، في منع فرط التخصيص وتحسين التعميم.

شكراا جدا لحضرتك