Современная математика глубокого обучения

Эмпирические минимизаторы

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.

Обучение и обновление параметров · Выбирают правило или обновляют параметры с помощью правила обучения.

Текущая целевая функция даёт градиент для обновления параметров.

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: 1.1 Несколько слов об обозначениях · 1.2 Обучение на примерах · 1.3 Вопросы, которые нас ждут

Эмпирический минимизатор — допустимая функция с наименьшей средней потерей на обучающей выборке.

Он достигает наименьшей обучающей потери в пределах класса.

Пример формулы источника

\widehat{f}_{{s}}\in{\mathcal{F}}

Иллюстрация · В конечном примере два кандидата; минимум может не существовать в некоторых бесконечных классах.

Обозначения

$f̂_{s}$: Минимизатор эмпирического риска для выборки s.
$\mathcal{F}$: Класс допустимых функций.
$s$: Обучающая выборка.

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

Начальные значения в коде

candidates = [ { name: "a", losses: [1, 1] }, { name: "b", losses: [0, 0] }, ]

Вычисляется здесь

Выражение результата: { risks, selected: candidates[index].name }

risks = candidates.map( (c) => c.losses.reduce((a, b) => a + b, 0) / c.losses.length, ) Использует: candidates
index = risks.indexOf(Math.min(...risks)) Использует: risks

Возвращает

Пример результата

risks: массив (2 элементов): [1, 0]
selected: b

JavaScript

Прочитайте числа из input и верните результат. Основы JavaScript.

Результат

Включите JavaScript, чтобы запустить пример.

Техническая формулировка

Числовые значения вымышлены. В конечном примере два кандидата; минимум может не существовать в некоторых бесконечных классах.

Источник: Обозначение в тексте