ยูเนียนเหนือความกว้างเครือข่าย
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
ชั้นแบบจำลองและโครงสร้าง · อธิบายกลุ่มของกฎ ขนาด และสมบัติเชิงโครงสร้าง
โครงการมีข้อมูลและพารามิเตอร์จำนวนจำกัด ชุดทดสอบไม่ยืนยันขอบเขตประชากรหรือพิสูจน์ทฤษฎีบท
พิจารณาแนวคิดนี้ร่วมกับโครงการ สมมติฐานของต้นฉบับอาจต่างกัน ข้อมูลชุดนี้ไม่พิสูจน์ทฤษฎีบท
ข้อมูลเข้า: 12 × 2; ประเมินชุดทดสอบ: 102 · #58 · 40.6 มม., 193 มม.. คำตอบที่ทราบ: อาเดลี; ค่าทำนาย: อาเดลี · [≈0.7383, ≈0.2444, ≈0.01737].
ใช้ในส่วนต้นฉบับเหล่านี้: 1.2.2 โครงข่ายแสดงคำตอบที่ต้องการได้หรือไม่
ยูเนียนเหนือความกว้างรวมเครือข่ายตื้นทุกแบบที่มีจำนวนหน่วยเป็นจำนวนเต็มบวกใด ๆ
ตัวอย่างนี้ทำให้คำนวณข้อความในต้นฉบับบนแบบจำลองจำกัดได้
ตัวอย่างสูตรต้นฉบับ
ภาพประกอบ · ไม่มีรายการจำกัดหรือตัวเลื่อนใดแจกแจงยูเนียนอนันต์ทั้งหมดได้
สัญลักษณ์
- ยูเนียนของกลุ่มเครือข่ายตื้นเหนือทุกความกว้าง
- จำนวนหน่วยซ่อนจำนวนเต็มบวก
- มิติข้อมูลเข้า
- ฟังก์ชันกระตุ้น
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
คุณเลือก
input.width= 2input.x= 1
คำนวณที่นี่
นิพจน์ผลลัพธ์: {
width: n,
weights,
output: weights.reduce((s, w, i) => s + w * features[i], 0),
}
n=input.widthใช้:input.widthweights=Array.from({ length: n }, (_, i) => (i === 0 ? 1 : 0))ใช้:nfeatures=Array.from({ length: n }, () => Math.max(0, input.x))ใช้:n,input.x
ส่งกลับ
width- 2
weights- อาร์เรย์ (2 รายการ): [1, 0]
output- 1
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ตัวอย่างใช้คุณลักษณะ ReLU หนึ่งมิติและเลือกความกว้างจำกัดหนึ่งค่า การเปลี่ยนตัวเลื่อนเลือกสมาชิกอื่นของยูเนียน
แหล่งอ้างอิง: นิพจน์จากแหล่งต้นฉบับ