প্রশ্ন ট্যাগ «regularization»

5
ড্রপআউট মডেল থেকে কিছু নিউরনকে দমন করে, কেন একটি ড্রপআউট স্তর যুক্ত গভীর / মেশিন লার্নিং কর্মক্ষমতা উন্নত করে?
যদি কিছু নিউরোন অপসারণের ফলে আরও ভাল পারফরম্যান্স মডেল আসে, তবে প্রথম স্তরটিতে কম স্তর এবং কম নিউরন সহ একটি সরল নিউরাল নেটওয়ার্ক ব্যবহার করবেন না কেন? কেন প্রথমদিকে আরও বড়, আরও জটিল মডেল তৈরি করেন এবং এর অংশগুলি পরে দমন করেন?

2
এল 2 এর উপরে কেন এল 1 নিয়মিতকরণ ব্যবহার করছেন?
ক্ষতির ফাংশন ব্যবহার করে লিনিয়ার রিগ্রেশন মডেল পরিচালনা করা, কেন আমার ব্যবহার করা উচিত এল1L1L_1 পরিবর্তে এল2L2L_2 নিয়মিতকরণ? ওভারফিটিং প্রতিরোধে এটি কি আরও ভাল? এটি কি নির্বিচারক (তাই সর্বদা একটি অনন্য সমাধান)? বৈশিষ্ট্য নির্বাচনের ক্ষেত্রে এটি কি আরও ভাল (কারণ বিরল মডেল উত্পাদন করে)? এটি বৈশিষ্ট্যগুলির মধ্যে ওজন ছড়িয়ে দেয়?

3
নিউরাল নেটওয়ার্কগুলিতে নিয়মিতকরণ পদ্ধতি নির্বাচন করা
নিউরাল নেটওয়ার্কগুলি প্রশিক্ষণ দেওয়ার সময়, নেটওয়ার্কটি নিয়মিত করার জন্য কমপক্ষে 4 টি উপায় রয়েছে: এল 1 নিয়মিতকরণ এল 2 নিয়মিতকরণ বাদ পড়া ব্যাচ নরমালাইজেশন অবশ্যই ওজন ভাগ করে নেওয়া এবং সংযোগের সংখ্যা হ্রাস করার মতো অন্যান্য জিনিস, যা কঠোর অর্থে নিয়মিতকরণ নাও হতে পারে। তবে কীভাবে কেউ এই নিয়মিতকরণের কোনটি …

2
অন্যান্য নিয়মাবলী বনাম ড্রপআউট পরীক্ষা করে এমন গবেষণা রয়েছে?
এমন কি কোনও পত্রিকা প্রকাশিত হয়েছে যা নিউরাল নেটওয়ার্কগুলির নিয়মিতকরণ পদ্ধতির পার্থক্য দেখায়, বিশেষত বিভিন্ন ডোমেনগুলিতে (বা কমপক্ষে বিভিন্ন ডেটাসেট)? আমি জিজ্ঞাসা করছি কারণ বর্তমানে আমার এই অনুভূতিটি রয়েছে যে বেশিরভাগ লোকেরা কম্পিউটার ভিশনকে নিয়মিতকরণের জন্য কেবল ড্রপআউট ব্যবহার করেন। নিয়মিতকরণের বিভিন্ন উপায় ব্যবহার করার কোনও কারণ আছে (না) আছে …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.