Современная математика глубокого обучения

Повторяющиеся признаки и интерполяция

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

Если два скрытых узла имеют один признак, перенос веса между ними при сохранении суммы не меняет выход.

Эти величины связывают параметры сети с потерей и оптимизацией.

Пример формулы источника

\Phi(\cdot,(\theta_{*}^{(1)},\theta^{(2)}))=\Phi(\cdot,(\theta_{*}^{(1)},\lambda\theta_{*}^{(2)}+(1-\lambda)\theta^{(2)})),\quad\lambda\in[0,1].

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

Обозначения

$λ$: Вещественный параметр интерполяции из [0,1].
$θ⁽¹⁾$: Фиксированные входящие параметры скрытых узлов.
$θ⁽²⁾$: Вещественный вектор выходных весов.
$Φ$: Функция сети.

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.lambda = 0,5

Вычисляется здесь

Выражение результата: { weights, output: weights[0] * 2 + weights[1] * 2 }

a = input.lambda Использует: input.lambda
weights = [a, 1 - a] Использует: a

Возвращает

Пример результата

weights: массив (2 элементов): [0,5, 0,5]
output: 2

JavaScript

Прочитайте числа из input и верните результат. Основы JavaScript.

Результат

Включите JavaScript, чтобы запустить пример.

Техническая формулировка

Равенство выполняется здесь, поскольку оба признака равны 2, а сумма двух весов всегда равна 1. Путь источника использует дублированные узлы и требует указанных предположений о ширине и конструкции.

Источник: Выражение из статьи