?> What types of network architectures can be trained... - Aide
QUESTION / RÉPONSE

What types of network architectures can be trained using the annTrain action?

4 consultations

Réponse

You can specify the network architecture using the 'arch' parameter. The available options are 'MLP' for a multilayer perceptron, 'GLIM' for a generalized linear model architecture (a two-layer perceptron with no hidden layers), and 'DIRECT' which is an extension of MLP with direct connections from the input to the output layer. The default architecture is 'GLIM'.
Action technique liée

Voir la documentation de annTrain

Voir l'Action
Thématiques

Voir aussi

annTrain
neuralNet

L'action `annTrain` du jeu d'actions `neuralNet` est un outil puissant pour entraîner des réseaux de neurones artificiels (ANN) dans SAS Viya. Elle permet de construire et d'optimiser des modèles prédictifs pour des tâches de classification et de régression. Cette action supporte diverses architectures, y compris les perceptrons multicouches (MLP) et les modèles linéaires généralisés (GLIM), offrant une flexibilité pour modéliser des relations complexes dans les données. Elle intègre des fonctionnalités avancées telles que la régularisation, le dropout, et plusieurs algorithmes d'optimisation (SGD, L-BFGS, ADAM) pour améliorer la performance et éviter le surajustement. L'action peut également générer du code de scoring SAS pour déployer facilement le modèle entraîné.

annTrain
neuralNet

La acción `annTrain` entrena una red neuronal artificial. Permite definir la arquitectura de la red (como MLP, GLIM), especificar las funciones de activación y de combinación, y configurar el proceso de optimización utilizando diversos algoritmos como LBFGS o SGD. Esta acción es fundamental para construir y ajustar modelos de redes neuronales sobre datos en CAS.

annCode
neuralNet

La acción annCode genera código de puntuación del DATA step de SAS a partir de un modelo de red neuronal artificial entrenado previamente con la acción annTrain. Este código puede ser utilizado para puntuar nuevos datos en entornos SAS tradicionales, permitiendo la implementación del modelo fuera del entorno de CAS.