সমস্যা উত্তল বা কাসিকোনভেক্স হলে আপনার একটি বৈশ্বিক সর্বনিম্ন থাকবে have
নিউরাল নেটওয়ার্কগুলি নির্মাণের সময় উত্তল "বিল্ডিং ব্লক" সম্পর্কে (কম্পিউটার সায়েন্স সংস্করণ)
আমি মনে করি তাদের মধ্যে বেশ কয়েকটি রয়েছে যা উল্লেখ করা যেতে পারে:
সর্বাধিক (0, এক্স) - উত্তল এবং ক্রমবর্ধমান
লগ-সম-এক্সপ্রেস - উত্তরণ এবং প্রতিটি প্যারামিটারে বৃদ্ধি increasing
y = অক্ষটি অ্যাফাইন এবং তাই (এ) এ উত্তেজিত, সম্ভবত ক্রমবর্ধমান হতে পারে কমতে। y = অক্স অ্যাফাইন এবং তাই উত্তেজনাপূর্ণ (এক্স), সম্ভবত ক্রমবর্ধমান হতে পারে কমতে।
দুর্ভাগ্যক্রমে এটি (এ, এক্স) এর উত্তল নয় কারণ এটি অনির্দিষ্ট চতুর্ভুজ রূপের মতো দেখাচ্ছে।
সাধারণ গণিতের বিচ্ছিন্ন রূপান্তর ("যথাযথ" দ্বারা আমি পুনরাবৃত্ত সংকেত দ্বারা সংজ্ঞায়িত) ওয়াই = এইচ * এক্স দেখে মনে হচ্ছে এটি एच এর বা ভেরিয়েবল এক্স এর অ্যাফাইন ফাংশন So আমি মনে করি না কারণ এইচ এবং এক্স স্কেলার সমঝোতা অনির্দিষ্টকালের চতুর্ভুজ আকারে হ্রাস পাবে।
সর্বাধিক (চ, জি) - যদি চ এবং জি উত্তল হয় তবে সর্বাধিক (চ, জি) উত্তলও হয়।
যদি আপনি একটি ফাংশনটিকে অন্য স্থানে প্রতিস্থাপন করেন এবং কম্পোজিশন তৈরি করেন তবে y = h (g (x), q (x)) এর উত্তল কক্ষে এখনও স্থির করতে পারেন, তবে এইচটি উত্তল হওয়া উচিত এবং প্রতিটি যুক্তিতে বৃদ্ধি (অ-হ্রাস) হওয়া উচিত। ...
স্নায়ুবিহীন নেটবুকগুলি কেন নন-উত্তল:
আমি মনে করি কনভলিউশন Y = h * X h এর মধ্যে nessesary বৃদ্ধি পাচ্ছে না। সুতরাং আপনি যদি কার্নেল সম্পর্কে কোনও অতিরিক্ত অনুমান ব্যবহার না করেন তবে আপনি সমঝোতা প্রয়োগের পরে তাত্ক্ষণিক উত্তল অপ্টিমাইজেশন থেকে বেরিয়ে যাবেন। সুতরাং রচনা দিয়ে সব ঠিক আছে ।
উপরোক্ত হিসাবে দুটি পরামিতি বিবেচনা করলে কনভোলজ এবং ম্যাট্রিক্সের গুণটি উত্তল নয় । সুতরাং ম্যাট্রিক্সের গুণণের ক্ষেত্রে ইভান সমস্যা রয়েছে: এটি প্যারামিটারে অ-উত্তল অপারেশন (এ, এক্স)
y = অ্যাক্সকে (এ, এক্স) কোয়াসিকোনভেক্স হতে পারে তবে অতিরিক্ত অনুমানগুলিও বিবেচনায় নেওয়া উচিত।
আপনি যদি একমত না হন বা কোনও অতিরিক্ত বিবেচনা করেন তবে দয়া করে আমাকে জানান। প্রশ্নটিও আমার কাছে খুব আকর্ষণীয়।
পিএস সর্বাধিক-পুলিং - যা সর্বাধিক নির্বাচনের সাথে ডাউনস্যাম্পিংয়ের মতো এফাইন প্রম্পোজেশন (প্রয়োজন ব্লকগুলি টানতে) সাথে অ্যালিমেন্টওয়াই সর্বাধিক ক্রিয়াকলাপগুলির কিছু সংশোধন এবং এটি আমার জন্য উত্তল দেখাচ্ছে।
অন্যান্য প্রশ্ন সম্পর্কে
না, লজিস্টিক রিগ্রেশন উত্তল বা অবতল নয়, তবে এটি লগ-অবতল। এর অর্থ হ'ল লগারিদম প্রয়োগের পরে আপনার ব্যাখ্যামূলক ভেরিয়েবলগুলিতে অবতল ফাংশন হবে। সুতরাং এখানে সর্বাধিক লগ-সম্ভাবনা কৌশল কৌশল দুর্দান্ত।
যদি একমাত্র বিশ্বব্যাপী ন্যূনতম না হয়। স্থানীয় নূন্যতমের মধ্যে সম্পর্ক সম্পর্কে কিছুই বলা যায় না। বা কমপক্ষে আপনি উত্তল অপ্টিমাইজেশন ব্যবহার করতে পারবেন না এবং এটির জন্য এটি এক্সটেনশানস কারণ গণিতের এই অঞ্চলটি গভীরভাবে অবমূল্যায়নের উপর ভিত্তি করে।
এই সম্পর্কে আপনার বিভ্রান্তি থাকতে পারে। কারণ সত্যিকারের লোকেরা যারা এই জাতীয় স্কিম তৈরি করে তারা কেবল "কিছু" করেন এবং তারা "কিছু" পান। দুর্ভাগ্যক্রমে কারণ আমাদের কাছে নন-উত্তল অপ্টিমাইজেশান (সাধারণভাবে) মোকাবেলার জন্য নিখুঁত প্রক্রিয়া নেই।
তবে নিউরাল নেটওয়ার্কগুলির পাশে আরও সাধারণ জিনিস রয়েছে - যা লিনিয়ার ন্যূনতম স্কোয়ারগুলির মতো সমাধান করা যায় না - https://youtu.be/l1X4tOoIHYo?t=2992 (EE263, L8, 50:10)