Современная математика глубокого обученияобъяснение для тех, кто не занимается математикой

Сглаженный отступ

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: 2.3 Путь обучения имеет значение

Сглаженный отступ rβ(θ) равен −log(r(βθ))/β для экспоненциальной потери при положительном β.

Источник изучает его связь с минимальным обучающим отступом.

Пример формулы источника

rβr_{\beta}

Иллюстрация · Пример имеет один образец с положительным отступом; общая формула усредняет по всем примерам.

Обозначения

rr
Эмпирический экспоненциальный риск.
ββ
Положительный параметр масштаба.
θθ
Вектор параметров.
rβrβ
Сглаженный отступ.

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

  • beta = 2
  • theta = 1

Вычисляется здесь

Выражение результата: { beta, theta, risk, smoothedMargin: -Math.log(risk) / beta }

  • risk = Math.exp(-beta * theta) Использует: beta, theta

Возвращает

Пример результата
beta
2
theta
1
risk
≈0,1353
smoothedMargin
1

Прочитайте числа из input и верните результат. Основы JavaScript.

Результат

Включите JavaScript, чтобы запустить пример.

Техническая формулировка

Числовые значения вымышлены. Пример имеет один образец с положительным отступом; общая формула усредняет по всем примерам.

Источник: Обозначение в тексте