ไบแอสชั้นซ่อนเป็นศูนย์
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
เงื่อนไข b⁽ℓ⁾ = 0 กำหนดให้ไบแอสของชั้นเป็นศูนย์
การเอาไบแอสออกเปลี่ยนชั้นแอฟไฟน์เป็นการแปลงเชิงเส้น
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างประกอบ · ตัวอย่างประเมินชั้นที่มีไบแอสศูนย์หนึ่งชั้น
สัญลักษณ์
- เวกเตอร์ไบแอสของชั้น ℓ
- เมทริกซ์น้ำหนักของชั้น
ตัวอย่างสูตรต้นฉบับ
ตัวอย่างต้นฉบับนี้ใช้ข้อมูลเข้าและสมมติฐานของตัวเอง การแก้ไขไม่เปลี่ยนโครงการ
แก้ค่าหรือโค้ด แล้วกดรัน ตัวอย่างนี้เป็นการคำนวณจำนวนจำกัด ไม่ใช่การพิสูจน์ทฤษฎีบท
ลำดับข้อมูลในตัวอย่างนี้
โค้ดเปลี่ยนแล้ว กดรีเซ็ตเพื่อคืนลำดับข้อมูลของตัวอย่าง
ค่าเริ่มต้นในโค้ด
W=[ [1, 2], [3, 4], ]x=[1, 1]bias=[0, 0]
คำนวณที่นี่
นิพจน์ผลลัพธ์: { W, x, bias, output }
output=W.map((row, i) => row.reduce((s, w, j) => s + w * x[j], bias[i]))ใช้:W,x,bias
ส่งกลับ
W- อาร์เรย์ (2 รายการ): [อาร์เรย์ (2 รายการ): [1, 2], อาร์เรย์ (2 รายการ): [3, 4]]
x- อาร์เรย์ (2 รายการ): [1, 1]
bias- อาร์เรย์ (2 รายการ): [0, 0]
output- อาร์เรย์ (2 รายการ): [3, 7]
อ่านตัวเลขจาก input แล้วคืนค่าผลลัพธ์ พื้นฐาน JavaScript.
ผลลัพธ์
ข้อความทางเทคนิค
ค่าตัวเลขสร้างขึ้น ตัวอย่างประเมินชั้นที่มีไบแอสศูนย์หนึ่งชั้น
แหล่งอ้างอิง: สัญกรณ์ในข้อความ