การทําเครือข่ายเชิงท้องถิ่นเป็นปกติ: ทฤษฎี, การเติมเต็ม, และการใช้กรณี

การ ทํา ให้ เครือ ข่าย นี้ เป็น ปกติ มี ความ สําคัญ มาก เพื่อ ช่วย ปรับ ปรุง ประสิทธิภาพ ของ ตัว อย่าง และ ป้องกัน การ ทํา งาน เกิน ไป เทคนิค เหล่า นี้ ช่วย ให้ เครือ ข่าย ประสาท มี ข้อมูล ที่ มอง ไม่ เห็น มาก ขึ้น โดย เพิ่ม ข้อ จํากัด หรือ การ ปรับ ปรุง แก้ไข ใน ระหว่าง การ ฝึก อบรม บทความ นี้ จะ ศึกษา ทฤษฎี หลัก ๆ วิธี การ จัด การ และ การ ใช้ ประโยชน์ ใน การ ปรับ ปรุง ระบบ ประสาท ให้ เป็น ปกติ

ทฤษฎีของเครือข่าย Neoral การทําปกติ

การ ทํา ให้ เป็น ปกติ จะ นํา ข้อมูล หรือ ข้อ จํากัด เพิ่ม เติม มา ใช้ กับ เครือ ข่าย ประสาท เพื่อ ลด การ หด ตัว ของ มัน พวก เขา ตั้งใจ จะ จํากัด ความ ซับ ซ้อน ของ แบบ จําลอง ทํา ให้ แน่ ใจ ว่า มัน จับ ลักษณะ ข้อมูล ที่ อยู่ ภาย ใน ได้ โดย ไม่ มี เสียง รบกวน ทฤษฎี ทั่ว ไป รวม ทั้ง การ ลง โทษ หนัก และ การ ทํา ให้ สปา เกต เป็น ที่ หนุน กําลัง ใจ

เทคนิค การ ทดแทน

เทคนิค หลาย อย่าง ถูก ใช้ เพื่อ ทํา ให้ เครือ ข่าย ประสาท เป็น ประจํา:

• [FLT: 0] tropout: สุ่มปิดเซลล์ประสาทระหว่างการฝึกเพื่อป้องกันการแตกตัวของกลุ่ม (Propedation)
• [FLT: 0] WEight December: เพิ่มค่าโทษให้กับฟังก์ชันการสูญเสียตามขนาดของน้ําหนัก.
• [FLT: 0] หยุดการสอนอย่างเหมาะสม : หยุดการฝึกเมื่อประสิทธิภาพการตรวจสอบหยุดปรับปรุง
• [FLT: 0] Data Augmentation: ขยายข้อมูลการฝึกอบรมเพื่อปรับปรุงความทนทานของโมเดล

ใช้ตัวพิมพ์ใหญ่

เทคนิค การ ทํา ให้ เป็น ปกติ มี การ ใช้ กัน อย่าง กว้าง ขวาง ใน หลาย ดิน แดน:

• [FLT: 0]. สืบค้นเมื่อ: ป้องกันการโอเวอร์ไฟท์ในเครือข่ายประสาทเชิงวิวัฒนาการ (FLT:1).
• [FLT: 0] การประมวลผลภาษานาตาล:[[FLT: 1) การขยายรุ่นทั่วไปสําหรับการจัดหมวดหมู่ข้อความ (FLT: 1).
• [FLT: 0] กรมวิเคราะห์การวินิจฉัยโรค : นางแบบไม่จําข้อมูลการฝึกได้, ปรับปรุงความน่าเชื่อถือ
• [FLT: 0] ออกอากาศทางภาควิชา: ช่วยโมเดลปรับตัวให้เข้ากับข้อมูลตลาดใหม่ โดยไม่มีแนวโน้มทางประวัติศาสตร์ที่มากเกินไป