การเสียรูปและอนุพันธ์
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].
ใช้ในส่วนต้นฉบับเหล่านี้: 7.1 คุณลักษณะที่ไม่เปลี่ยนเมื่อภาพขยับ
การเสียรูป τ ส่งตำแหน่งไปเป็นเวกเตอร์การกระจัด อนุพันธ์อันดับหนึ่งและสองอธิบายว่าการกระจัดเปลี่ยนอย่างไร
อนุพันธ์เหล่านี้ปรากฏในขอบเขตการเปลี่ยนแปลงของตัวบรรยายคุณลักษณะ
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · นี่คือตัวอย่างสเกลาร์หนึ่งมิติ การเสียรูปทั่วไปและอนุพันธ์ในต้นฉบับอาจมีค่าเป็นเวกเตอร์และเทนเซอร์
สัญลักษณ์
- การส่งการกระจัดแบบเรียบ
- อนุพันธ์อันดับหนึ่งหรือจาโคเบียน
- เทนเซอร์อนุพันธ์อันดับสอง
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
x=2secondDerivative=0.2
คำนวณที่นี่
นิพจน์ผลลัพธ์: { x, tau, firstDerivative, secondDerivative }
tau=0.1 * x * xใช้:xfirstDerivative=0.2 * xใช้:x
ส่งกลับ
x- 2
tau- 0.4
firstDerivative- 0.4
secondDerivative- 0.2
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น นี่คือตัวอย่างสเกลาร์หนึ่งมิติ การเสียรูปทั่วไปและอนุพันธ์ในต้นฉบับอาจมีค่าเป็นเวกเตอร์และเทนเซอร์
แหล่งอ้างอิง: สัญกรณ์ในข้อความ