คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึก

การประมาณสัมประสิทธิ์หลังตั้งเกณฑ์

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].

บทบาท: เตรียมข้อมูลเข้า / เฟรมและสัญญาณแบบเบาบาง

ข้อมูลเข้าหรือสมมติฐาน: สัญญาณ เฟรม หรือพจนานุกรม
ผลลัพธ์หรือข้อสรุป: สัมประสิทธิ์หรือสัญญาณที่สร้างกลับ

บริบทของกลุ่ม ตัวอย่างโค้ดด้านล่างมีข้อมูลเข้าและผลลัพธ์ของตัวเอง

กลุ่มที่เกี่ยวข้อง

สนับสนุน: คุณลักษณะ

ดูแผนที่แนวคิด

ใช้ในส่วนต้นฉบับเหล่านี้: 7.2 ใช้ชิ้นส่วนน้อยชิ้น

เปรียบเทียบภาพฉายพจนานุกรมหลังตั้งเกณฑ์กับเวกเตอร์สัมประสิทธิ์ต้นฉบับ

การตั้งเกณฑ์แลกขนาดสัมประสิทธิ์กับจำนวนศูนย์

ตัวอย่างสูตรต้นฉบับ

\phi\approx\mathcal{T}_{D,b}(x)

ภาพประกอบ · คุณภาพการประมาณและการกู้ส่วนรองรับขึ้นกับเงื่อนไขพจนานุกรม ความเบาบาง และเกณฑ์ ตัวอย่างนี้ไม่ได้พิสูจน์เงื่อนไขเหล่านั้น

สัญลักษณ์

$φ$: เวกเตอร์สัมประสิทธิ์
$D$: พจนานุกรม ตัวอย่างใช้เอกลักษณ์
$b$: เวกเตอร์เกณฑ์ ตัวอย่างใช้ 0.5 ทั้งสองตำแหน่ง
$Tᴰ,ᵇ$: การส่งตั้งเกณฑ์
$≈$: การประมาณ

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

สัมประสิทธิ์แรก

ลำดับข้อมูลในตัวอย่างนี้

คุณเลือก

input.coefficient = 2

ค่าเริ่มต้นในโค้ด

threshold = 0.5

คำนวณที่นี่

นิพจน์ผลลัพธ์: { phi, x, estimate, differences: estimate.map((v, i) => v - phi[i]) }

phi = [input.coefficient, 0] ใช้: input.coefficient
x = [...phi] ใช้: phi
estimate = x.map((v) => Math.max(0, v - threshold) - Math.max(0, -v - threshold)) ใช้: x, threshold

ส่งกลับ

ผลลัพธ์ตัวอย่าง

phi: อาร์เรย์ (2 รายการ): [2, 0]
x: อาร์เรย์ (2 รายการ): [2, 0]
estimate: อาร์เรย์ (2 รายการ): [1.5, 0]
differences: อาร์เรย์ (2 รายการ): [-0.5, 0]

JavaScript

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

สัญญาณที่สร้างขึ้นมี x = Dφ และ D เป็นเอกลักษณ์ 2 คูณ 2 ตัวอย่างแสดงความผิดพลาดการประมาณจริง

แหล่งอ้างอิง: นิพจน์ในต้นฉบับ