คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

คอนโวลูชันและขนาดแบบเรียงต่อ

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

ใช้คอนโวลูชันวงกลมและหาค่าสัมบูรณ์ จากนั้นทำซ้ำและหาค่าเฉลี่ย

การคำนวณเหล่านี้จัดระเบียบคุณลักษณะและสัมประสิทธิ์เบาบาง

ตัวอย่างสูตรต้นฉบับ

|||u\ast\psi_{j_{1}}|\ast\psi_{j_{2}}\ast\dots|\ast\psi_{j_{\ell}}|\ast\varphi_{J},

ภาพประกอบ · ข้อมูลจำกัดที่สร้างขึ้นแสดงนิพจน์นี้ ไม่ได้พิสูจน์เอกลักษณ์ ขอบเขต หรือการมีอยู่ทั่วไป

สัญลักษณ์

$u$: สัญญาณป้อนเข้า
$ψⱼ$: ตัวกรองเวฟเล็ตที่ดัชนี j
$φⱼ$: ตัวกรองหาค่าเฉลี่ยความถี่ต่ำ
$∗$: คอนโวลูชัน
$|·|$: ขนาดรายจุด
$ℓ$: จำนวนขั้นที่เรียงต่อ
$j$: ดัชนีตัวกรองเวฟเล็ต
$J$: ดัชนีมาตราส่วนความถี่ต่ำ

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ค่าแรก

ลำดับข้อมูลในตัวอย่างนี้

คุณเลือก

input.first = 1

ค่าเริ่มต้นในโค้ด

waveletIndex = 0
lowpassScale = 0

คำนวณที่นี่

นิพจน์ผลลัพธ์: { waveletIndex, lowpassScale, first, second, pooled: conv(second, [0.5, 0.5]) }

x = [input.first, 2] ใช้: input.first
first = conv(x, [1, -1]).map(Math.abs) ใช้: conv, x
second = conv(first, [1, -1]).map(Math.abs) ใช้: conv, first

ส่งกลับ

ผลลัพธ์ตัวอย่าง

first: อาร์เรย์ (2 รายการ): [1, 1]
second: อาร์เรย์ (2 รายการ): [0, 0]
pooled: อาร์เรย์ (2 รายการ): [0, 0]
waveletIndex: 0
lowpassScale: 0

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

การคำนวณวงกลมต่อเนื่องสองตำแหน่งที่สร้างขึ้นนี้แสดงคอนโวลูชัน ขนาด และการหาค่าเฉลี่ยซ้ำ ไม่ได้พิสูจน์เสถียรภาพ ความไม่เปลี่ยนแปลง หรือการรักษานอร์มของการแปลงสแคตเทอริง ตัวอย่างกำกับเวฟเล็ตที่เลือกด้วย j = 0 และมาตราส่วนความถี่ต่ำด้วย J = 0 ป้ายเหล่านี้ไม่ได้บ่งชี้ตระกูลตัวกรองเฉพาะในต้นฉบับ

แหล่งอ้างอิง: นิพจน์ในต้นฉบับ