Современная математика глубокого обучения

Риск вдоль интерполяции весов

Проект с пингвинами

Проект использует 342 записи Palmer с нужными измерениями: 240 для обучения, 102 для проверки. Выбранные примеры для обучения определяют масштабирование и параметры модели. Исходный CSV

Этот проект обучает веса с помощью softmax, в отличие от лаборатории на главной странице, где используются ближайшие средние по видам. Те же измерения пингвинов, но разные методы классификации. Предсказания могут различаться.

Теория оптимизации · Изучает сходимость и геометрию потерь при заданных предположениях.

Проект содержит конечные наблюдения и обученные параметры. Проверочная выборка не устанавливает границы для генеральной совокупности и не доказывает теорему.

Рассмотрите понятие рядом с проектом: предположения источника могут отличаться. Эти наблюдения не доказывают теорему.

Вход: 12 × 2; Проверка на новых данных: 102 · #58 · 40.6 мм, 193 мм. Известный ответ: Адели; Прогноз: Адели · [≈0,7383; ≈0,2444; ≈0,01737].

Используется в разделах источника: 5.1 Форма поверхности ошибки

Сравните потерю на двух концах и для промежуточного параметра между ними.

Путь с ограниченной потерей помогает анализировать поверхность потерь.

Пример формулы источника

\max\{{r}(\theta),{r}(\theta_{\min})\}

Иллюстрация · Эта простая выпуклая квадратичная функция не устанавливает путь с малой потерей для общей сети.

Обозначения

$r$: Риск как функция параметров сети.
$θ$: Один конечный вектор параметров.
$θmin$: Минимум, используемый источником как другой конец.

Пример формулы источника

Этот пример использует свои входные данные и предположения. Его изменение не меняет проект.

Измените значение или код и запустите пример. Это конечная иллюстрация, а не доказательство теоремы.

Интерполяция

Поток данных в этом примере

Вы выбираете

input.t = 0,5

Начальные значения в коде

first = 0
minimum = 1

Вычисляется здесь

Выражение результата: { weight, endpointRisks: [risk(first), risk(minimum)], pathRisk: risk(weight), endpointMaximum: Math.max(risk(first), risk(minimum)), }

t = input.t Использует: input.t
weight = (1 - t) * first + t * minimum Использует: t, first, minimum

Возвращает

Пример результата

weight: 0,5
endpointRisks: массив (2 элементов): [1, 0]
pathRisk: 0,25
endpointMaximum: 1

JavaScript

Прочитайте числа из input и верните результат. Основы JavaScript.

Результат

Включите JavaScript, чтобы запустить пример.

Техническая формулировка

В условном скалярном примере конец θ = 0, минимум θmin = 1 и интерполированная середина θ = 0.5. Источник строит конкретные пути с фиксированными скрытыми признаками и минимумом; пример показывает максимум на концах.

Источник: Выражение из статьи