การประกอบฟังก์ชันเต็นท์
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: 3.2 ส่วนตรงง่าย ๆ กับหลายชั้น
hₙ หมายถึงการประกอบฟังก์ชันเต็นท์ h กับตัวเอง n ครั้ง ต้นฉบับเชื่อมโยงกับยอดแหลม 2ⁿ ยอดและผลต่างการประมาณค่าในช่วงที่ปรับมาตราส่วน
การประกอบเพิ่มจำนวนชิ้นโดยใช้การดำเนินการง่าย ๆ ซ้ำ
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · โค้ดคำนวณการประกอบและจำนวนในต้นฉบับสำหรับ n=2 ไม่ได้พิสูจน์จำนวนยอดแหลมสำหรับทุก n
สัญลักษณ์
- ฟังก์ชันเต็นท์บน [0,1]
- การประกอบ h จำนวน n ครั้ง
- จำนวนเต็มบวก
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
n=2x=0.125
คำนวณที่นี่
นิพจน์ผลลัพธ์: {
n,
x,
value,
spikes: 2 ** n,
scaled: value / 2 ** (2 * n),
finePoints: 2 ** n + 1,
coarsePoints: 2 ** (n - 1) + 1,
neurons: 2 * n,
}
value=xใช้:xfor (let i = 0; i < n; i++) value = h(value);ใช้:n,value,h
ส่งกลับ
n- 2
x- 0.125
value- 0.5
spikes- 4
scaled- 0.03125
finePoints- 5
coarsePoints- 3
neurons- 4
บางเส้นทางหรือค่าขณะรันยังระบุไม่ได้
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น โค้ดคำนวณการประกอบและจำนวนในต้นฉบับสำหรับ n=2 ไม่ได้พิสูจน์จำนวนยอดแหลมสำหรับทุก n
แหล่งอ้างอิง: สัญกรณ์ในข้อความ