คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

อยู่ใกล้ค่าเริ่มต้น

โครงการเรียนรู้เพนกวิน

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

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

ทฤษฎีการหาค่าเหมาะสม · ศึกษาการลู่เข้าและรูปทรงของความสูญเสียภายใต้สมมติฐาน

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].

บทบาท: เข้าใจขอบเขต / ทฤษฎีการหาค่าเหมาะสม

ข้อมูลเข้าหรือสมมติฐาน: ฟังก์ชันเป้าหมาย กฎการปรับ และสมมติฐาน
ผลลัพธ์หรือข้อสรุป: ข้อความเกี่ยวกับการลู่เข้าหรือรูปทรง

บริบทของกลุ่ม ตัวอย่างโค้ดด้านล่างมีข้อมูลเข้าและผลลัพธ์ของตัวเอง

กลุ่มที่เกี่ยวข้อง

อธิบาย: การเรียนรู้และการปรับพารามิเตอร์
อธิบาย: การกำหนดค่าเริ่มต้น

ดูแผนที่แนวคิด

ใช้ในส่วนต้นฉบับเหล่านี้: 5.2 เมื่อพารามิเตอร์เปลี่ยนเพียงเล็กน้อย

ลบเวกเตอร์เริ่มต้นออกจากเวกเตอร์พารามิเตอร์ปัจจุบัน แล้วตรวจว่าความยาวแบบยุคลิดไม่เกินหนึ่งหรือไม่

ต้นฉบับใช้ค่าประมาณเกรเดียนต์เฉพาะบริเวณขณะที่ค่าซ้ำแต่ละขั้นยังอยู่ในบริเวณนี้

ตัวอย่างสูตรต้นฉบับ

\|\Theta^{(k)}-\Theta\|\leq 1

ภาพประกอบ · การตรวจค่าซ้ำหนึ่งค่าไม่ได้พิสูจน์เงื่อนไขสำหรับเส้นทางการฝึกทั้งหมด

สัญลักษณ์

$Θ$: เวกเตอร์เริ่มต้น
$Θ⁽ᵏ⁾$: เวกเตอร์พารามิเตอร์ในขั้น k
$\Vert ·\Vert$: นอร์มแบบยุคลิด

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

พิกัดแรก

ลำดับข้อมูลในตัวอย่างนี้

คุณเลือก

input.displacement = 0.5

ค่าเริ่มต้นในโค้ด

initial = [0, 0]

คำนวณที่นี่

นิพจน์ผลลัพธ์: { initial, current, distance, withinUnitBall: distance <= 1 }

current = [input.displacement, 0] ใช้: input.displacement
distance = Math.hypot(current[0] - initial[0], current[1] - initial[1]) ใช้: current, initial

ส่งกลับ

ผลลัพธ์ตัวอย่าง

initial: อาร์เรย์ (2 รายการ): [0, 0]
current: อาร์เรย์ (2 รายการ): [0.5, 0]
distance: 0.5
withinUnitBall: จริง

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

ตัวอย่างตรวจเงื่อนไขที่ค่าซ้ำสมมติหนึ่งค่า ต้นฉบับต้องการเงื่อนไขนี้สำหรับทุก k ที่กำหนด

แหล่งอ้างอิง: นิพจน์ในต้นฉบับ