Ang gradient descent ay isang pundamental na optimisasyong algorithm na ginagamit sa pagsasanay ng mga neural networks. Nakatutulong ito sa pagbabawas ng pagkakamali sa pamamagitan ng pag-aangkop ng mga timbang ng network inemeratively. pag-unawa kung paano ito gumagana ay mahalaga sa pagbuo ng mga epektibong modelo ng pagkatuto ng makina.

Ano ba ang Uso ng Uso?

Ang gradient descency ay isang prosesong pang-edukasyon na nagreresulta sa mga model para mabawasan ang pagkawala.Sinisenyal nito ang pag-ikot ng kawalan may kaugnayan sa bawat parameter at gumagalaw sa kabilang direksiyon ng ziggregat.Ang prosesong ito ay nagpapatuloy hanggang sa maabot ng modelo ang hindi bababa sa pagkakamali.

Mga Uri ng Kalaswaang Pang - amoy

  • Ginagamit ni Batch Gradient Descent: ang buong dataset upang pagdugtungin ang spiral sa bawat adaptasyon.
  • Ginagamit ng Stochastic Gradient (SGD): Ang isang punto ng datos ay ginagamit sa isang panahon, na ginagawang mas madalas ang mga update.
  • Pinagsasama ng mga pamamaraang pang-internasyunal at pang-telektuwal ang mga kapakinabangan ng mga pamamaraang pang-salapi at pang-trapiko sa pamamagitan ng paggamit ng maliliit na mga subset ng datos.

Praktikal na Pag - iisa

Ang pag - aaral ay isang mahalagang paramile na tumitiyak sa laki ng bawat update.

Sa mga neural network, ang backpropagation ay ginagamit upang maging mahusay na tagatali ng mga groove.