การเสียรูปข้อมูลป้อนเข้า
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].
ใช้ในส่วนต้นฉบับเหล่านี้: 7.1 คุณลักษณะที่ไม่เปลี่ยนเมื่อภาพขยับ
ณ ตำแหน่ง x สัญญาณที่เสียรูปใช้สัญญาณเดิม ณ x ลบการกระจัด τ(x)
สามารถศึกษาความไวของตัวแทนคุณลักษณะต่อการเปลี่ยนแปลงเหล่านี้
ตัวอย่างสูตรต้นฉบับ
ภาพประกอบ · ตัวอย่างรายจุดนี้ไม่ได้พิสูจน์เสถียรภาพต่อการเสียรูป
สัญลักษณ์
- ฟังก์ชันป้อนเข้า
- ฟังก์ชันที่เสียรูป
- ฟังก์ชันการกระจัดที่ขึ้นกับตำแหน่ง
- ตำแหน่งป้อนเข้า
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
คุณเลือก
input.rate= 0.25
ค่าเริ่มต้นในโค้ด
x=2
คำนวณที่นี่
นิพจน์ผลลัพธ์: { x, displacement, original, deformed }
displacement=input.rate * xใช้:input.rate,xoriginal=Math.exp(-x * x)ใช้:xdeformed=Math.exp(-((x - displacement) ** 2))ใช้:x,displacement
ส่งกลับ
x- 2
displacement- 0.5
original- ≈0.01832
deformed- ≈0.1054
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ตัวอย่างใช้ฟังก์ชันเกาส์ที่อินทิเกรตกำลังสองได้ u(x) = exp(−x²) และ τ(x) = อัตรา คูณ x ต้นฉบับอภิปรายการเสียรูปแบบเรียบที่มีค่าเป็นเวกเตอร์
แหล่งอ้างอิง: นิพจน์ในต้นฉบับ