คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

การเรียนรู้ในรูปการแปลง

โครงการเรียนรู้เพนกวิน

โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

การเรียนรู้และการปรับพารามิเตอร์ · เลือกกฎหรือปรับพารามิเตอร์ด้วยกฎการเรียนรู้

ฟังก์ชันเป้าหมายให้เกรเดียนต์เพื่อปรับพารามิเตอร์

พิจารณาแนวคิดนี้ร่วมกับโครงการ สมมติฐานของต้นฉบับอาจต่างกัน ข้อมูลชุดนี้ไม่พิสูจน์ทฤษฎีบท

ข้อมูลเข้า: 12 × 2; ประเมินชุดทดสอบ: 102 · #58 · 40.6 มม., 193 มม.. คำตอบที่ทราบ: อาเดลี; ค่าทำนาย: อาเดลี · [≈0.7383, ≈0.2444, ≈0.01737].

บทบาท: ปรับกฎ / การเรียนรู้และการปรับพารามิเตอร์

ข้อมูลเข้าหรือสมมติฐาน: ตัวอย่างฝึกหรือฟังก์ชันเป้าหมาย พร้อมกฎเรียนรู้หรือกฎปรับค่า
ผลลัพธ์หรือข้อสรุป: กฎทำนายที่เลือกหรือพารามิเตอร์ที่ปรับแล้ว

บริบทของกลุ่ม ตัวอย่างโค้ดด้านล่างมีข้อมูลเข้าและผลลัพธ์ของตัวเอง

มาจาก

ใช้โดย

กฎทำนายและชั้นของเครือข่าย

ดูแผนที่แนวคิด

ใช้ในส่วนต้นฉบับเหล่านี้: 1.2 เรียนรู้จากตัวอย่าง

กฎการเรียนรู้รับตัวอย่างฝึกจำนวนจำกัดและคืนฟังก์ชันทำนาย

สิ่งนี้แยกอัลกอริทึมการเรียนรู้ออกจากแบบจำลองที่คืนมา

ตัวอย่างสูตรต้นฉบับ

{\mathcal{A}}\colon\bigcup_{m\in{\mathbb{N}}}{\mathcal{Z}}^{m}\to{\mathcal{F}},

ภาพประกอบ · นี่เป็นอัลกอริทึมการเรียนรู้สมมติหนึ่งแบบ ไม่ใช่การรับประกันการเรียนรู้ทั่วไป

สัญลักษณ์

$A$: อัลกอริทึมการเรียนรู้ที่แปลงตัวอย่างจำกัดเป็นฟังก์ชันทำนาย
$Z$: ปริภูมิของตัวอย่างฝึกแต่ละตัว
$F$: เซตของฟังก์ชันทำนายที่เป็นไปได้
$m$: ขนาดตัวอย่างบวก

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

เป้าหมายที่สอง

ลำดับข้อมูลในตัวอย่างนี้

คุณเลือก

input.target = 2

คำนวณที่นี่

นิพจน์ผลลัพธ์: { sample, fittedConstant, predictionAtTwo: predict(2) }

sample = [1, input.target, 3] ใช้: input.target
fittedConstant = sample.reduce((a, b) => a + b, 0) / sample.length ใช้: sample

ส่งกลับ

ผลลัพธ์ตัวอย่าง

sample: อาร์เรย์ (3 รายการ): [1, 2, 3]
fittedConstant: 2
predictionAtTwo: 2

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

อัลกอริทึมสมมติคืนฟังก์ชันคงที่ซึ่งเท่ากับค่าเฉลี่ยของสามเป้าหมาย

แหล่งอ้างอิง: นิพจน์จากแหล่งต้นฉบับ