ฟังก์ชันเป้าหมายที่มีสัญญาณรบกวน
โครงการเรียนรู้เพนกวิน
โครงการใช้ข้อมูลเพนกวิน Palmer ที่สมบูรณ์ 342 แถว: ชุดฝึก 240 และชุดทดสอบ 102 แถว แถวฝึกที่เลือกกำหนดการปรับสเกลและพารามิเตอร์ CSV ต้นฉบับ
โครงการนี้ฝึกน้ำหนักด้วย softmax ต่างจากแล็บในหน้าแรกที่ใช้ค่าเฉลี่ยของสายพันธุ์ที่ใกล้ที่สุด ข้อมูลวัดเพนกวินชุดเดียวกัน แต่วิธีจำแนกต่างกัน คำทำนายอาจต่างกันได้
ข้อมูลสังเกตและการสุ่มตัวอย่าง · อธิบายตัวอย่าง เป้าหมาย และชุดตัวอย่าง
แถวที่เลือกส่งค่าที่วัดและคำตอบที่ทราบไปฝึก ส่วนรหัสทดสอบแยกไว้
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: 1.3 คำถามที่จะศึกษาต่อ
ตัวอย่างต้นฉบับใช้ค่าเป้าหมาย Y ที่เกิดจากการบวกสัญญาณรบกวน ν กับฟังก์ชัน f*(Z)
สมการแยกฟังก์ชันเป้าหมายออกจากสัญญาณรบกวน
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ฟังก์ชันกำลังสองและค่าเหล่านี้เป็นตัวอย่าง ไม่ได้ทำซ้ำฟังก์ชันเป้าหมายหรือสัญญาณรบกวนที่สุ่มในภาพต้นฉบับ
สัญลักษณ์
- ข้อมูลป้อนเข้าแบบสเกลาร์
- ฟังก์ชันเป้าหมายในต้นฉบับ
- สัญญาณรบกวน
- ค่าเป้าหมายที่สังเกต
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
Z=2noise=0.5
คำนวณที่นี่
นิพจน์ผลลัพธ์: { Z, target: targetFunction(Z), noise, Y: targetFunction(Z) + noise }
ส่งกลับ
Z- 2
target- 4
noise- 0.5
Y- 4.5
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ฟังก์ชันกำลังสองและค่าเหล่านี้เป็นตัวอย่าง ไม่ได้ทำซ้ำฟังก์ชันเป้าหมายหรือสัญญาณรบกวนที่สุ่มในภาพต้นฉบับ
แหล่งอ้างอิง: สัญกรณ์ในข้อความ