คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึกอธิบายสำหรับผู้ที่ไม่ใช่นักคณิตศาสตร์

การปรับแบบเวียนซ้ำ

โครงการเรียนรู้เพนกวิน

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

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

การปรับสถานะเวียนกลับ · ปรับสถานะโดยใช้ข้อมูลเข้าตามลำดับ

แบบจำลองเพนกวินเชิงเส้นนี้ไม่มีโครงสร้างคอนโวลูชัน รีเคอร์เรนต์ หรือเรซิดวล

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: 6.6 จำข้อมูลจากขั้นก่อนหน้า

เริ่มจากสถานะหนึ่ง ในแต่ละขั้นเวลาให้บวกข้อมูลป้อนเข้าถัดไปแล้วใช้เรลู สถานะที่ได้ใช้ในขั้นถัดไป

โครงข่ายเวียนซ้ำสามารถใช้ข้อมูลป้อนเข้าก่อนหน้าเมื่อประมวลผลลำดับ

ตัวอย่างสูตรต้นฉบับ

ht=ϱR(ht−1+xt)h_t=\varrho_R(h_{t-1}+x_t)

ภาพประกอบ · การเวียนซ้ำสเกลาร์ที่สร้างขึ้นนี้แสดงสถานะและขั้นเวลา ไม่ใช่ขั้นตอนวิธีฝึกโครงข่ายเวียนซ้ำทั่วไปหรือข้อพิสูจน์ผลการประมาณในต้นฉบับ

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ลำดับข้อมูลในตัวอย่างนี้

คุณเลือก

  • input.last = 3

ค่าเริ่มต้นในโค้ด

  • state = 0

คำนวณที่นี่

นิพจน์ผลลัพธ์: { inputs: xs, states }

  • xs = [1, -2, input.last] ใช้: input.last
  • states = xs.map((x) => { state = Math.max(0, state + x); return state; }) ใช้: xs, state

ส่งกลับ

ผลลัพธ์ตัวอย่าง
inputs
อาร์เรย์ (3 รายการ): [1, -2, 3]
states
อาร์เรย์ (3 รายการ): [1, 0, 3]

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

เปลี่ยนข้อมูลป้อนเข้าแล้วเรียกใช้โค้ดเดิมอีกครั้ง ผลลัพธ์ที่แสดงใช้ค่าที่แสดงไว้ด้านบน

แหล่งอ้างอิง: ตัวอย่างสำหรับการสอน