Значение нейрона до активации
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.
Правила предсказания и слои · Описывают или применяют правила предсказания, слои и параметры.
Проект использует линейное правило с двумя признаками. Обученные веса дают оценки или нормированную массу.
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: 3.3 Другие способы измерить выразительность
Φᵢ⁽ℓ⁾ — i-й элемент вектора значений слоя ℓ до активации.
Значения отдельных нейронов определяют, где меняется формула их активации.
Пример формулы источника
Иллюстрация · Здесь вычисляется один элемент слоя из трёх нейронов.
Обозначения
- Значение нейрона i слоя ℓ до активации.
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.
Начальные значения в коде
pre=[1, -2, 0]i=2
Вычисляется здесь
Выражение результата: { pre, i, value: pre[i - 1] }
Возвращает
pre- массив (3 элементов): [1, -2, 0]
i- 2
value- -2
Прочитайте числа из input и верните результат. Основы JavaScript.
Результат
Техническая формулировка
Числовые значения вымышлены. Здесь вычисляется один элемент слоя из трёх нейронов.
Источник: Обозначение в тексте