ส่วนรองรับเคอร์เนลเฉพาะที่
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
เฟรมและสัญญาณแบบเบาบาง · เข้ารหัสหรือสร้างสัญญาณกลับด้วยเฟรมและพจนานุกรม
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: 7.2 ใช้ชิ้นส่วนน้อยชิ้น
เคอร์เนลเป็นแบบเฉพาะที่เมื่อทุกตำแหน่งที่ไม่เป็นศูนย์อยู่ภายในหน้าต่าง
การคำนวณนี้อธิบายนิพจน์ที่ตรงกันในต้นฉบับ
ตัวอย่างสูตรต้นฉบับ
ภาพประกอบ · เคอร์เนลหนึ่งตัวนี้ไม่ได้พิสูจน์การกู้คืนเบาบางเฉพาะที่
สัญลักษณ์
- เซตตำแหน่งที่เคอร์เนลไม่เป็นศูนย์
- ตำแหน่งหน้าต่างที่อนุญาต
- กรุปตำแหน่งวัฏจักรจำกัด
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
คุณเลือก
input.first= 1
ค่าเริ่มต้นในโค้ด
window=[0, 1]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { kernel, window, support, contained: support.every((i) => window.includes(i)) }
kernel=[input.first, 2, 0]ใช้:input.firstsupport=kernel.map((v, i) => (v !== 0 ? i : -1)).filter((i) => i >= 0)ใช้:kernel
ส่งกลับ
kernel- อาร์เรย์ (3 รายการ): [1, 2, 0]
window- อาร์เรย์ (2 รายการ): [0, 1]
support- อาร์เรย์ (2 รายการ): [0, 1]
contained- จริง
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
กรุปตัวอย่างมี d=3 ตำแหน่งและหน้าต่างยาว n=2 ศูนย์นอกหน้าต่างทำให้เป็นไปตามเงื่อนไขส่วนรองรับที่แสดง ต้นฉบับใช้เคอร์เนลเช่นนี้สำหรับแต่ละคู่ช่อง
แหล่งอ้างอิง: นิพจน์ในต้นฉบับ