Современная математика глубокого обучения

Правило обучения

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.

Классы моделей и структура · Описывают семейства правил, их размер и структурные свойства.

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: 1.2 Обучение на примерах · 1.2.1 Поиск более удачных параметров · 1.2.3 Работает ли это на новых примерах? · Другие разделы источника

Алгоритм обучения 𝒜 принимает выборку s и возвращает функцию fₛ из допустимого класса. Функция потерь оценивает эту функцию на примере z.

Эти роли отделяют обучение от оценки предсказания.

Пример формулы источника

f_{s}=\mathcal{A}({s})\in{\mathcal{F}}

Иллюстрация · Пример задаёт одно выбранное правило; он не показывает, как общий алгоритм обучения его выбирает.

Обозначения

$𝒜$: Отображение обучающих выборок в допустимые функции.
$s$: Обучающая выборка.
$f_{s}$: Функция, выбранная с помощью s.
$\mathcal{F}$: Множество гипотез.
$ℒ$: Функция потерь.
$z$: Пример данных.

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

sample = [ [0, 1], [1, 2], ]
z = [2, 4]

Вычисляется здесь

Выражение результата: { sample, z, prediction, loss: (prediction - z[1]) ** 2 }

prediction = f(z[0]) Использует: f, z

Возвращает

Пример результата

sample: массив (2 элементов): [массив (2 элементов): [0, 1], массив (2 элементов): [1, 2]]
z: массив (2 элементов): [2, 4]
prediction: 3
loss: 1

JavaScript

Прочитайте числа из input и верните результат. Основы JavaScript.

Результат

Включите JavaScript, чтобы запустить пример.

Техническая формулировка

Числовые значения вымышлены. Пример задаёт одно выбранное правило; он не показывает, как общий алгоритм обучения его выбирает.

Источник: Обозначение в тексте