ধরুন আমার কাছে এন ইনপুট এবং একটি একক আউটপুট (বাইনারি শ্রেণিবদ্ধকরণ টাস্ক) সহ একটি সাধারণ একক স্তর নিউরাল নেটওয়ার্ক রয়েছে। যদি আমি সিগময়েড ফাংশন হিসাবে আউটপুট নোডে অ্যাক্টিভেশন ফাংশনটি সেট করি- তবে ফলাফলটি লজিস্টিক রিগ্রেশন শ্রেণিবদ্ধ হয়।
এই একই দৃশ্যে, যদি আমি আউটপুট অ্যাক্টিভেশনটিকে রিলু (সংশোধিত লিনিয়ার ইউনিট) তে পরিবর্তন করি, তবে ফলাফলের কাঠামোটি কি কোনও এসভিএমের মতো বা অনুরূপ?
না হলে কেন?
কেন এটি হতে পারে সে সম্পর্কে আপনার কোনও অনুমান আছে? একক পারসেপ্ট্রন = লজিস্টিক হ'ল কারণ সক্রিয়করণের কারণ - এগুলি মূলত একই মডেল, গাণিতিকভাবে (যদিও ভিন্নভাবে প্রশিক্ষিত হতে পারে) - লিনিয়ার ওজন + ম্যাট্রিক্স গুণনের ক্ষেত্রে একটি সিগময়েড প্রয়োগ করা হয়। এসভিএমগুলি বেশ আলাদাভাবে কাজ করে - তারা ডেটা আলাদা করার জন্য সেরা লাইন সন্ধান করে - এগুলি "ভারী" / "ম্যাট্রিক্সির" চেয়ে বেশি জ্যামিতিক। আমার জন্য, আরএলইউ সম্পর্কে এমন কিছু নেই যা আমাকে ভাবতে হবে = আহ, এগুলি একটি এসভিএমের মতো। (লজিস্টিক এবং লিনিয়ার এসভিএম যদিও খুব একইভাবে পারফর্ম করতে থাকে)
—
মেটজুশ
একটি এসএমএমের সর্বাধিক-মার্জিন উদ্দেশ্য এবং রিলু অ্যাক্টিভেশন ফাংশনটি একই দেখায়। সুতরাং প্রশ্ন।
—
এডি
"এসভিএমগুলি পুরোপুরি আলাদাভাবে কাজ করে - তারা ডেটা পৃথক করার জন্য সেরা লাইন সন্ধান করে - এগুলি" ভারী "/" ম্যাট্রিক্সির "চেয়ে বেশি জ্যামিতিক a এবং perceptron।
—
খ্রি
