คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

การเปรียบเทียบเมื่อไม่มีการเสียรูป

โครงการเรียนรู้เพนกวิน

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

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

การแปลงสัญญาณ · ศึกษาการแปลงสัญญาณ สแคตเทอริง และสมบัติ

โครงการปรับสเกลความยาวจะงอยปากและครีบด้วยค่าเฉลี่ยและสเกลของชุดฝึก เวกเตอร์มีสองค่า

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: เตรียมข้อมูลเข้า / การแปลงสัญญาณ

ข้อมูลเข้าหรือสมมติฐาน: สัญญาณ การแปลง และสมมติฐาน
ผลลัพธ์หรือข้อสรุป: สัญญาณที่แปลงหรือข้อความเกี่ยวกับสัญญาณ

บริบทของกลุ่ม ตัวอย่างโค้ดด้านล่างมีข้อมูลเข้าและผลลัพธ์ของตัวเอง

กลุ่มที่เกี่ยวข้อง

สนับสนุน: คุณลักษณะ

ดูแผนที่แนวคิด

ใช้ในส่วนต้นฉบับเหล่านี้: 7.1 คุณลักษณะที่ไม่เปลี่ยนเมื่อภาพขยับ

เปรียบเทียบผลลัพธ์คุณลักษณะก่อนและหลังการกระจัดศูนย์

การคำนวณนี้อธิบายนิพจน์ที่ตรงกันในต้นฉบับ

ตัวอย่างสูตรต้นฉบับ

\|\Psi(u)-\Psi(u_{\tau})\|\lesssim K(\tau,\nabla\tau,\nabla^{2}\tau)

ภาพประกอบ · การกระจัดศูนย์ตรวจสอบกรณีจำกัดพื้นฐาน และไม่สามารถพิสูจน์ข้ออ้างเสถียรภาพต่อการเสียรูปในต้นฉบับ

สัญลักษณ์

$Ψ$: ตัวบรรยายคุณลักษณะสแคตเทอริง
$uτ$: ข้อมูลป้อนเข้าที่เสียรูป
$τ$: การกระจัดแบบเรียบ
$∇τ,∇²τ$: อนุพันธ์อันดับหนึ่งและสองของการกระจัด
$K$: ฟังก์ชันที่ต้นฉบับไม่ได้ระบุของการกระจัดและอนุพันธ์
$≲$: การเปรียบเทียบถึงค่าคงที่ที่ไม่ได้ระบุ

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ค่าสัญญาณคงที่

ลำดับข้อมูลในตัวอย่างนี้

คุณเลือก

input.value = 1

ค่าเริ่มต้นในโค้ด

displacement = [0, 0]

คำนวณที่นี่

นิพจน์ผลลัพธ์: { displacement, featureBefore, featureAfter, difference, toyK: 0 }

signal = [input.value, input.value] ใช้: input.value
lowpass = signal.map(() => (signal[0] + signal[1]) / 2) ใช้: signal
featureBefore = [...lowpass, 0, 0] ใช้: lowpass
featureAfter = [...lowpass, 0, 0] ใช้: lowpass
difference = Math.sqrt( featureBefore.reduce((s, v, i) => s + (v - featureAfter[i]) ** 2, 0), ) ใช้: featureBefore, featureAfter

ส่งกลับ

ผลลัพธ์ตัวอย่าง

displacement: อาร์เรย์ (2 รายการ): [0, 0]
featureBefore: อาร์เรย์ (4 รายการ): [1, 1, 0, 0]
featureAfter: อาร์เรย์ (4 รายการ): [1, 1, 0, 0]
difference: 0
toyK: 0

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

ตัวอย่างใช้สัญญาณวงกลมสองตำแหน่งที่คงที่ การกระจัดศูนย์ และคุณลักษณะจำกัดความถี่ต่ำร่วมกับขนาดเวฟเล็ตจากตัวอย่างสแคตเทอริง ผลต่างเป็นศูนย์พอดี สำหรับการเสียรูปศูนย์เลือกค่า K ในตัวอย่างเป็น 0 ต้นฉบับไม่ได้ระบุสูตร K หรือค่าคงที่เปรียบเทียบเป็นตัวเลขอย่างชัดเจน ดังนั้นนี่ไม่ใช่การประเมินของต้นฉบับ

แหล่งอ้างอิง: นิพจน์ในต้นฉบับ