|
Kvadrat og'ishlarning vaznli yig'indisi
|
| bet | 5/6 | | Sana | 15.05.2024 | | Hajmi | 5,04 Mb. | | #233940 |
Bog'liq 3-4 uz MLKvadrat og'ishlarning vaznli yig'indisi - Mashg'ulot sifatining ko'rsatkichi - bu kvadratik og'ishlarning vaznli yig'indisi bilan belgilanadigan jarima funktsiyasining qiymati:
Tarmoqni o’qitish - O'quv jarayonida ANN neyronlarining og'irlik koeffitsientlari ma'lum qoidalarga muvofiq o'zgaradi.
- O'rganish bosqichlarda (davrlarda) amalga oshiriladi.
- Bir bosqichda (bir davr mobaynida) W koeffitsientlarining bir yangilanishi sodir bo'ladi.
- Mashg'ulot jarima funktsiyasi foydalanuvchi tomonidan belgilangan chegaraga yetganda tugaydi.
- Shuningdek, agar qadamlar soni bo'yicha belgilangan chegara oshib ketgan bo'lsa, mashg'ulot to'xtatilishi mumkin.
- Tarmoq maxsus algoritmlar yordamida o'qitiladi.
- Ko'pgina algoritmlar gradient o'rganish usullariga asoslangan.
- Tarixiy jihatdan birinchisi "xatolarni orqaga yoyish algoritmi" deb ataladigan narsa edi.
- Keyinchalik yana bir nechta algoritmlar taklif qilindi, ulardan eng mashhurlari QPROP va RPROP.
- Trening davomida ikkita kiruvchi ta'sir paydo bo'lishi mumkin: kam mashq qilish effekti va ortiqcha mashq qilish effekti.
- Regressiya tahlilida bo'lgani kabi, kam tayyorgarlikning ta'siri o'quv majmuasidan ob'ektlarni tasniflash sifatining etarli emasligi shaklida namoyon bo'ladi.
- Grafik jihatdan bu jarima funktsiyasining qandaydir doimiy qiymatga yaqinlashishi sifatida tasvirlangan
O’quv ta'siridan qochish - Mashg'ulot ta'sirini oldini olish uchun siz quyidagi usullardan foydalanishingiz mumkin:
- 1) ANNning yashirin qatlamidagi neyronlar sonini ko'paytirish;
- 2) yashirin qatlamlar sonini ko'paytirish.
|
| |
