มิติข้อมูลป้อนเข้าของโครงข่าย
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
N₀ = d ระบุว่าความกว้างข้อมูลป้อนเข้าของโครงข่ายเท่ากับมิติของเวกเตอร์ป้อนเข้า
เมทริกซ์น้ำหนักแรกต้องรับเวกเตอร์ความยาวนี้ได้
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างตรวจสอบหนึ่งสถาปัตยกรรมและเวกเตอร์ป้อนเข้าหนึ่งตัว
สัญลักษณ์
- ความกว้างชั้นข้อมูลป้อนเข้า
- มิติเวกเตอร์ป้อนเข้า
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
d=2N=[2, 3, 1]x=[1, 2]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { d, N, x, matches: N[0] === d && x.length === d }
ส่งกลับ
d- 2
N- อาร์เรย์ (3 รายการ): [2, 3, 1]
x- อาร์เรย์ (2 รายการ): [1, 2]
matches- จริง
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างตรวจสอบหนึ่งสถาปัตยกรรมและเวกเตอร์ป้อนเข้าหนึ่งตัว
แหล่งอ้างอิง: สัญกรณ์ในข้อความ