Jip Rietveld bedankt voor de tips.

ik heb nagedacht over de zogeheten 'filters' die het netwerk zou moeten hebben. ik ben alleen bang dat ik teveel invloed heb want wat ik nu doe is eigenlijk voor elke neuron in de eerste hidden layer bepalen welke specifieke verbindingen hij moet hebben.

dit klink alsof ik het antwoord voorzeg maar ik kan niets anders bedenken..

vind jij dat dit verantwoord is zeg maar of niet? ik ben bang dat ik me er te veel mee bemoei als je snapt wat ik bedoel.

Owen

Jip Rietveld heel erg bedankt voor je reactie! ik waardeer het heel erg dat je me wilt helpen.

die twee links heb ik bekeken en gelezen maar ik kon er niks vinden over lokale verbindingen. ik heb namelijk nu een 'fully connected' netwerk maar ik wil weten hoe ik bijvoorbeeld een neuron in de eerste 'hidden layer' alleen verbindingen met de eerste 12 neuronen van de input kan geven.

ik had zelf bedacht om tijdens het 'backpropagation' voor het doorvoeren van de input de gewichten van de verbindingen die ik niet wil nul te maken, maar om dit voor elke training te doen is heel kostelijk qua tijd dus ik vroeg me af of er een makkelijke manier is?

zou het misschien helpen als ik je mijn code laat zien?

groetjes,
Owen

mijn PWS gaat over het maken van een neuraal netwerk dat leert om een rubik's kubus op te lossen aan de hand van mijn gegeven zogeheten "scrambles" en oplossingen. ik kom nu alleen op een probleem. namelijk dat er in de eerste laag altijd 13 enen zijn + 0--12 en 143 - 0--12 nullen omdat de invoer een array is van 156 elementen waarvan de eerste twaalf aangeven welke positie de eerste rand heeft en het 13e element geeft de oriëntatie van de rand. voor de volgende 11 randen hetzelfde. ik denk dat ik een lokale verbinding tussen de lagen moet toepassen maar ik heb geen idee hoe ik dit moet toevoegen in mijn netwerk.

ps: scripttaal is javascript