知识卡片
监督学习是参数优化
一张图像和对应的正确类别构成一个训练实例。参数为多张图像共用,把各实例上预测与正解的平方差相加便得到一个训练目标。改变权重和偏置以降低该目标,比逐张指定网络在每条路径上的响应更可操作。
参见 [[分层网络组合特征]]。
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
- 1-7 网络自学习的神经网络 1-7 网络自学习的神经网络 · 查看原书依据
思路极其简单:计算神经网络得出的预测值与正解的误差,确定使得误差总和达到最小的权重和偏置。这在数学上称为模型的最优化 (下图)。
参考来源
- 位置:《深度学习的数学》第 15 阅读项《1-7 网络自学习的神经网络》(来源项目 book-source,extracted/深度学习的数学/_epub-src/text/part0000_split_013.html)
- 结论依据:原文对“误差总和达到最小”的解释或演示提供本卡的主要依据。
- 原始内容:思路极其简单:计算神经网络得出的预测值与正解的误差,确定使得误差总和达到最小的权重和偏置。这在数学上称为模型的最优化 (下图)。