Generalized Regression: GenelleŸtirilmiŸ regresyon sinir a§lar ( grnn s), genellikle iŸlev yaklaŸm i‡in kullanlan bir tr radyal temel a§dr. grnn s ‡ok hzl tasarlanabilir. yeni bir genel regresyon sinir a§ d”ndrr. spread ne kadar byk olursa, iŸlev yaklaŸm da o kadar yumuŸak olur. Verileri ‡ok yakndan uyacak Ÿekilde, giriŸ vekt”rleri arasndaki tipik mesafeden daha k‡k bir spread kullann. Verileri daha dzgn bir Ÿekilde uydurmak i‡in daha byk bir spread kullann. Kullanm: net = newgrnn(P,T,spread) Hopfield Ltfen sosyal a§ bir grafik olarak dŸnn. Her d§mn baz komŸular vardr. Bir d§mn bir rn paylaŸt§n varsayalm. Daha sonra komŸular bu rn paylaŸp paylaŸmayacaklarn g”zlemleyecek ve se‡eceklerdir. šrn paylaŸmay se‡ti§inde, komŸular rnn farknda olacak. B”ylece, her bir d§m, komŸularn etkilemeye ‡alŸr ve nihayetinde rn a§n ‡o§unlu§u i‡inde popler olacaktr.žimdi, Hopfield'in g”revi, her bir d§mn komŸusuna dayal bir a§ oluŸturmak. ˜kincisi, d§mlerin bilgileri etkinleŸtirme eŸi§i ile paylaŸp paylaŸmayaca§n belirlemelerine yardmc olur. Bir d§m kendini aktive ederse, komŸular kendilerini aktive etme Ÿansna sahip olabilirler. Hopfield a§, bize inŸa etmek ve simle etmek i‡in do§ru ”zellikleri sa§lar. Bununla birlikte, anahtar, bir d§m etkinleŸtirildi§inde, devre dŸ braklamaz ve Hopfield a§nda neredeyse hi‡bir garanti yoktur. 1. Bir sosyal a§ i‡in bir metin dosyas oluŸturmanz istiyorum, bir ”rnek olarak Twitter. Metin dosyasndaki veriler, her kullanc i‡in iliŸki bilgilerini temsil etmelidir. Bu en az 1000 kullanc i‡erir ve ayrca daha fazla kullanc sahibi olabilir. Ancak, aralarnda arkadaŸlk kurmak ltfen ‡ok seyrek. Baz yaltlmŸ kullanclar olabilir ve genellikle daha ‡ok bir arkadaŸlk zinciri olmaldr. Kendi veri kmemi kullanaca§m, ltfen bunu anlaŸlabilir hale getirin.