ฟังก์ชันกระตุ้น
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
กฎทำนายและชั้นของเครือข่าย · อธิบายหรือใช้กฎทำนาย ชั้น และพารามิเตอร์
โครงการใช้กฎเชิงเส้นกับสองคุณลักษณะ น้ำหนักที่ฝึกให้คะแนนหรือมวลที่ปรับสเกล
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: 1.2 เรียนรู้จากตัวอย่าง · 1.2.2 โครงข่ายแสดงคำตอบที่ต้องการได้หรือไม่ · 1.2.3 ใช้ได้กับตัวอย่างใหม่หรือไม่ · ส่วนต้นฉบับเพิ่มเติม
ฟังก์ชันกระตุ้นส่งจำนวนจริงไปเป็นจำนวนจริง ตัวอย่างหนึ่งคือเรลู ซึ่งคืนค่าป้อนเข้าถ้าเป็นบวก และคืนศูนย์ในกรณีอื่น
โครงข่ายสามารถใช้ฟังก์ชันกระตุ้นกับสมาชิกแต่ละตัว
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · เรลูเป็นฟังก์ชันกระตุ้นหนึ่งชนิด ต้นฉบับยังพิจารณาฟังก์ชันกระตุ้นอื่น
สัญลักษณ์
- ฟังก์ชันกระตุ้นจาก ℝ ไป ℝ
- จำนวนจริง
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
x=[-1, 0, 2]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { x, activated: x.map((v) => Math.max(0, v)) }
ส่งกลับ
x- อาร์เรย์ (3 รายการ): [-1, 0, 2]
activated- อาร์เรย์ (3 รายการ): [0, 0, 2]
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น เรลูเป็นฟังก์ชันกระตุ้นหนึ่งชนิด ต้นฉบับยังพิจารณาฟังก์ชันกระตุ้นอื่น
แหล่งอ้างอิง: สัญกรณ์ในข้อความ