Современная математика глубокого обучения

Фиксированные признаки

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.

Признаки · Преобразуют входы в признаки для правила.

Из длины клюва и крыла вычитаем средние по обучающим примерам, затем делим на их стандартные отклонения. Получается вектор из двух чисел.

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 · 5.2 Когда параметры меняются совсем немного

Когда признаки скрытых узлов зафиксированы, изменение выходных весов выбирает функцию из их линейной оболочки.

Эти величины связывают параметры сети с потерей и оптимизацией.

Пример формулы источника

\widetilde{{\mathcal{F}}}_{\theta^{(1)}}\coloneqq\{\Phi(\cdot,\theta)\colon\theta=(\theta^{(1)},\theta^{(2)}),\ \theta^{(2)}\in{\mathbb{R}}^{n}\}

Иллюстрация · Условные конечные входы иллюстрируют выражение. Они не доказывают общую тождественность, оценку или существование.

Обозначения

$θ⁽¹⁾$: Фиксированные веса и смещения скрытых узлов.
$θ⁽²⁾$: Вещественный вектор выходных весов длины n.
$F̃$: Множество функций сети при изменении выходных весов.

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.

Первый выходной вес

Поток данных в этом примере

Вы выбираете

input.weight = 2

Начальные значения в коде

features = [2, 1]

Вычисляется здесь

Выражение результата: { features, output: input.weight * features[0] + 3 * features[1] }

Возвращает

Пример результата

features: массив (2 элементов): [2, 1]
output: 7

JavaScript

Прочитайте числа из input и верните результат. Основы JavaScript.

Результат

Включите JavaScript, чтобы запустить пример.

Техническая формулировка

Числа в примере вымышлены.

Источник: Выражение из статьи