ويعد النسب المتدرج خوارزمية أساسية متقنة الاستخدام الأمثل في التعلم العميق للتقليل إلى أدنى حد من وظيفة الخسارة، وهو يعدل بشكل متكرر المعايير النموذجية لتحسين الدقة، وفهم كيفية إجراء الحسابات ومسائل التشويش أمر أساسي للتدريب النموذجي الفعال.

أساسيات نسبة مئوية كبيرة

ويستكمل النسب المتدرج بارامترات الانتقال إلى اتجاه التدرج السلبي لوظيفة الخسارة، ويحدد معدل التعلم حجم كل تحديث، ويعد التصحيح السليم لهذا المعدل أمراً حاسماً لضمان التقارب دون الإفراط في التصويب.

الحسابات المتضمنة

وينطوي حساب التدرج على مشتقات حسابية لمهمة الخسارة فيما يتعلق بكل معيار، ففي حالة التراجع الخطي مثلا، يستمد التدرج للوزن من المشتق الجزئي للخطأ المربع المقصود، والقاعدة المستكملة هي:

Parameter update:] À ou ou ou ou ; ⁇ L( ' ⁇ )

المسائل المشتركة

وتشمل المشاكل التي تواجه النسب المتدرج تباطؤ التقارب أو التباعد أو التمسك بالمناقصة المحلية، ويمكن أن يساعد تعديل معدل التعلم أو تطبيع البيانات أو استخدام أجهزة متفجرة مثل آدم على معالجة هذه المسائل.

معدلات النمو بالنسبة للنسب المئوية الفعالة

  • ابدأ بمعدل تعليمي صغير وازداد تدريجياً
  • (ج) تطبيع أو توحيد بيانات المدخلات.
  • استخدام أجهزة التكييف عند الضرورة.
  • رصد الخسائر لكشف القضايا في وقت مبكر.