সম্প্রতি, আমরা রেসিডুয়াল নিউরাল নেট এর উত্থান দেখেছি, যার মধ্যে প্রতিটি স্তরের একটি কম্পিউটেশনাল মডিউল এবং একটি শর্টকাট সংযোগ থাকে যা স্তরের ইনপুট যেমন স্তরটির আউটপুট প্রদর্শন করে: নেটওয়ার্কটি অবশিষ্টাংশের বৈশিষ্ট্যগুলি নিষ্কাশনের অনুমতি দেয় এবং শিল্পের পারফরম্যান্সের গ্রেডিয়েন্ট সমস্যাটির প্রতি আরও হওয়ার পাশাপাশি গভীর গভীরতার জন্য অনুমতি দেয়।y i + 1 = c i + y i
মধ্যে delved রয়ে গ্রেডিয়েন্ট boosting , মেশিন লার্নিং বিশ্বের একটি খুব শক্তিশালী ensembling কৌশল, এছাড়াও ক্ষতির অবশিষ্ট উপর গ্রেডিয়েন্ট অপ্টিমাইজেশান একটি ফর্ম সঞ্চালন বলে মনে হয় যা, তার কঠিন আদল কিছু ফর্ম দেখতে না।
আমি জানি যে এগুলি একই রকম তবে একই নয় - একটি প্রধান পার্থক্য আমি লক্ষ্য করেছি যে গ্রেডিয়েন্ট বুস্টিং অ্যাডিটিভ টার্মের উপর অপ্টিমাইজেশন সম্পাদন করে যখন অবশিষ্ট নেটওয়ার্ক পুরো নেটওয়ার্কটিকে অনুকূল করে।
আমি দেখিনি যে তিনি তাদের মূল কাগজে তাদের প্রেরণার অংশ হিসাবে এটি নোট করেছেন । তাই আমি ভাবছিলাম যে এই বিষয়ে আপনার অন্তর্দৃষ্টিগুলি কী এবং আপনার কাছে থাকা আকর্ষণীয় সংস্থানগুলি ভাগ করে নেওয়ার জন্য জিজ্ঞাসা করব।
ধন্যবাদ.