Обученная обратная реконструкция
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.
Обратные задачи · Описывают восстановление по наблюдениям с прямым оператором.
У этого применения свои входные данные и предположения; измерения пингвинов не являются его экспериментальными данными.
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: 8.1 Восстановление по измерениям
Подставьте выбранный параметр в сеть, чтобы получить приближённое восстановление.
Восстановление — выход после выбора параметров модели.
Пример формулы источника
Иллюстрация · Пример сам по себе не решает обратную задачу.
Обозначения
- Модель, зависящая от параметров.
- Фиксированный вход модели.
- Выбранный параметр.
- Кандидат восстановления.
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.
Поток данных в этом примере
Код изменён. Сбросьте его, чтобы вернуть схему примера.
Вы выбираете
input.parameter= 1,5
Начальные значения в коде
xi=1
Вычисляется здесь
Выражение результата: { xi, theta, reconstruction: xi * theta }
theta=input.parameterИспользует:input.parameter
Возвращает
xi- 1
theta- 1,5
reconstruction- 1,5
Прочитайте числа из input и верните результат. Основы JavaScript.
Результат
Техническая формулировка
Условная модель Φ(ξ,θ) = ξθ при ξ = 1. Здесь вычисляется выбранный параметр без утверждения, что он оптимизирован.
Источник: Выражение из статьи