知识卡片
动作学习结合交叉熵与正则
金标准树可转成状态和正确动作训练对,以交叉熵加L2正则训练,输出归一只覆盖当前可行动作。词、词性和弧标签嵌入都可随反传更新;动作标签ti不是转移次数,dropout也不是网络通信丢包。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
通过依存树库的语料集中生成训练样本 。其中,c i 是一个特征组合,t i ∈T 是转换次数。最终的训练目标是最小化交叉熵损失加上一个L 2-正则项。 这里θ 代表了所有参数 。一个细微变化是,算法只在实际可行的转换间计算了softmax的
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html)
- 结论依据:摘录中关于动作学习结合交叉熵与正则的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:通过依存树库的语料集中生成训练样本 。其中,c i 是一个特征组合,t i ∈T 是转换次数。最终的训练目标是最小化交叉熵损失加上一个L 2-正则项。 这里θ 代表了所有参数 。一个细微变化是,算法只在实际可行的转换间计算了softmax的