คณิตศาสตร์สมัยใหม่ของการเรียนรู้เชิงลึกอธิบายสำหรับผู้ที่ไม่ใช่นักคณิตศาสตร์

น้ำหนักผลลัพธ์ศูนย์

โครงการเรียนรู้เพนกวิน

โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ

โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้

การตัดแต่ง · อธิบายการตัดน้ำหนักเครือข่ายและขอบเขตความผิดพลาด

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: 6.5 ตัดการเชื่อมต่อที่ไม่จำเป็น

เมื่อน้ำหนักผลลัพธ์ของชั้นที่สองทั้งหมดเป็นศูนย์ ผลรวมถ่วงน้ำหนักของส่วนนี้เป็นศูนย์

นี่เป็นกรณีพื้นฐานที่น้ำหนักผลลัพธ์เป็นศูนย์ในการให้เหตุผลเรื่องการตัดแต่ง

ตัวอย่างสูตรต้นฉบับ

w(2)=0w^{(2)}=0

ตัวอย่างประกอบ · ตัวอย่างครอบคลุมส่วนของน้ำหนักเหล่านี้ หากมีไบแอสผลลัพธ์เพิ่มเติมต้องรวมแยกต่างหาก

สัญลักษณ์

w(2)w⁽²⁾
เวกเตอร์น้ำหนักผลลัพธ์

ตัวอย่างสูตรต้นฉบับ

ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ

แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท

ลำดับข้อมูลในตัวอย่างนี้

ค่าเริ่มต้นในโค้ด

  • weights = [0, 0]
  • features = [2, 3]

คำนวณที่นี่

นิพจน์ผลลัพธ์: { weights, features, output: weights.reduce((s, w, i) => s + w * features[i], 0), }

ส่งกลับ

ผลลัพธ์ตัวอย่าง
weights
อาร์เรย์ (2 รายการ): [0, 0]
features
อาร์เรย์ (2 รายการ): [2, 3]
output
0

อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.

ผลลัพธ์

เปิด JavaScript เพื่อรันตัวอย่างนี้

ข้อความทางเทคนิค

ค่าตัวเลขสร้างขึ้น ตัวอย่างครอบคลุมส่วนของน้ำหนักเหล่านี้ หากมีไบแอสผลลัพธ์เพิ่มเติมต้องรวมแยกต่างหาก

แหล่งอ้างอิง: สัญกรณ์ในข้อความ