สิ่งตีพิมพ์ในหัวข้อ 'gradient-descent'


แนวทางที่ใช้งานง่ายสำหรับ Gradient Descent
ในบทความนี้ เราจะพยายามทำความเข้าใจอัลกอริธึมการไล่ระดับสีและคณิตศาสตร์ที่เกี่ยวข้อง ลองใช้ปัญหาการถดถอยเชิงเส้นง่ายๆ โดยเราต้องการทำนายน้ำหนักของบุคคลที่กำหนดตามส่วนสูงของเขาหรือเธอ เพื่อเริ่มต้นด้วยปัญหาการเรียนรู้ของเครื่องภายใต้การดูแล อันดับแรกเราจำเป็นต้องมีข้อมูลการฝึกอบรมที่ให้ความสัมพันธ์ระหว่างเอนทิตี ได้แก่ ส่วนสูงและน้ำหนักในกรณีนี้ เอนทิตีที่ช่วยในกระบวนการทำนายเรียกว่า ตัวแปรอิสระหรือคุณลักษณะ อาจมีตัวแปรอิสระได้ตั้งแต่หนึ่งตัวขึ้นไป ตัวอย่างเช่น ในตัวอย่างของเรา..

อัลกอริธึมการปรับให้เหมาะสมของการไล่ระดับสี
Gradient Descent ได้รับการยอมรับว่าเป็นหนึ่งในอัลกอริธึมการปรับให้เหมาะสมที่ใช้บ่อยที่สุดเพื่อให้ความรู้แก่โมเดลการเรียนรู้ของเครื่องโดยใช้ความสามารถในการลดข้อผิดพลาดระหว่างผลลัพธ์จริงและผลลัพธ์ที่คาดการณ์ไว้ นอกจากนี้ ยังมีการใช้การไล่ระดับสีเพิ่มเติมเพื่อสั่งสอนโครงข่ายประสาทเทียม การไล่ระดับสีเป็นหนึ่งในอัลกอริธึมที่มีชื่อเสียงที่สุดในการเพิ่มประสิทธิภาพการทำงาน และเป็นวิธีที่ใช้บ่อยที่สุดในการเพิ่มประสิทธิภาพโครงข่ายประสาทเทียม ในเวลาเดียวกัน ห้องสมุด Deep Learning..

คำถามในหัวข้อ 'gradient-descent'

คำถามพื้นฐานเกี่ยวกับการปรับสูตรด้วยการไล่ระดับสีหรืออัลกอริทึมทางพันธุกรรม
ฉันพยายามเขียนโค้ดปัญหาต่อไปนี้ ฉันได้กำหนดฟังก์ชันโดยขึ้นอยู่กับพารามิเตอร์จำนวนหนึ่ง (ในกรณีของฉัน คือพารามิเตอร์ของกระจก Bragg และลำแสงเอ็กซเรย์) ตอนนี้ฉันกำลังพยายามเปรียบเทียบผลลัพธ์กับผลลัพธ์ที่สร้างแบบจำลองโดยโปรแกรมอื่นโดยใช้สูตรเดียวกัน...
60 มุมมอง