คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

จากชุดข้อมูลป้อนเข้าสู่การทำให้เป็นบรรทัดฐาน

โครงการเรียนรู้เพนกวิน

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

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

การปรับมาตรฐานชุดข้อมูล · อธิบายการปรับมาตรฐานชุดข้อมูลและอนุพันธ์

โครงการใช้กฎเชิงเส้นกับสองคุณลักษณะ น้ำหนักที่ฝึกให้คะแนนหรือมวลที่ปรับสเกล

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: ทำนายผล / การปรับมาตรฐานชุดข้อมูล

ข้อมูลเข้าหรือสมมติฐาน: ค่าชุดข้อมูลและพารามิเตอร์การปรับมาตรฐาน
ผลลัพธ์หรือข้อสรุป: ค่าที่ปรับมาตรฐานหรือความสัมพันธ์ของอนุพันธ์

บริบทของกลุ่ม ตัวอย่างโค้ดด้านล่างมีข้อมูลเข้าและผลลัพธ์ของตัวเอง

กลุ่มที่เกี่ยวข้อง

สนับสนุน: กฎทำนายและชั้นของเครือข่าย

ดูแผนที่แนวคิด

ใช้ในส่วนต้นฉบับเหล่านี้: 6.4 ปรับตัวเลขให้เทียบกันได้

ชุดข้อมูลป้อนเข้าถูกแปลงด้วยชั้นก่อนหน้า แล้วทำให้เป็นบรรทัดฐานด้วยค่าที่ได้

ตัวอย่างนี้ทำให้สัญกรณ์หรือเงื่อนไขในต้นฉบับเป็นรูปธรรม

ตัวอย่างสูตรต้นฉบับ

{s}

ภาพประกอบ · ชุดคงที่นี้ไม่ได้แสดงพฤติกรรมการฝึกหรือค่าสถิติสะสม

สัญลักษณ์

$s$: ชุดข้อมูลป้อนเข้า
$b$: ผลลัพธ์ชั้นก่อนหน้าบนชุดนั้น
$μb,σb$: ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของ b

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ไบแอสชั้นก่อนหน้า

ลำดับข้อมูลในตัวอย่างนี้

คุณเลือก

input.bias = 2

ค่าเริ่มต้นในโค้ด

s = [-1, 0, 1]

คำนวณที่นี่

นิพจน์ผลลัพธ์: { inputBatch: s, outputBatch: b, mean, variance }

b = s.map((x) => x + input.bias) ใช้: s, input.bias
mean = b.reduce((a, v) => a + v, 0) / b.length ใช้: b
variance = b.reduce((a, v) => a + (v - mean) ** 2, 0) / b.length ใช้: b, mean

ส่งกลับ

ผลลัพธ์ตัวอย่าง

inputBatch: อาร์เรย์ (3 รายการ): [-1, 0, 1]
outputBatch: อาร์เรย์ (3 รายการ): [1, 2, 3]
mean: 2
variance: ≈0.6667

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

ชั้นก่อนหน้าที่สร้างขึ้นส่งข้อมูลป้อนเข้าสเกลาร์ x แต่ละค่าเป็น x+bias ภาพต้นฉบับใช้ s แทนชุดข้อมูลป้อนเข้าและคำนวณสถิติการทำให้เป็นบรรทัดฐานบนผลลัพธ์

แหล่งอ้างอิง: นิพจน์ในต้นฉบับ