گر ⁇ نسل ایک ایفیمیشن الجبرا ہے جسے herative متحرک کرنے کے لیے استعمال کیا جاتا ہے اسے غلطی کو کم کرنے کے لیے مشین سیکھنے میں بڑی کثرت سے استعمال کیا جاتا ہے غلطی کے لیے پیرامیٹرز کو کم کرنے کے لیے. یہ مضمون مشین سیکھنے کے عمل میں آنے والے مرحلے کے حساب کو واضح کرتا ہے.

( زبور ۱۱۹ : ۱۰۵ ) اس آیت میں لفظ ” [ یہوواہ ] “ استعمال ہوا ہے ۔

کشش نسل کا بنیادی تصور منفی کمیت کے منفی کشش ثقل کی سمت میں ماڈل پیرامیٹرز کو اپ ڈیٹ کرنا ہے. یہ عمل اس وقت تک جاری رہتا ہے جب تک کہ پیرامیٹرز سیریز کم از کم ایک نقطہ تک،

stra-by-step-Calculation settlements -

فرض کریں کہ ہمارے پاس ایک معمولی لکیری soundion soundion system ہے جس میں نقصان دہ عمل جیسے کہ اسمس سکوڈ غلطی (MSE)۔ کشش ثقل (gradyent) کا اطلاق کرنے کے لیے اقدامات اس طرح ہیں:

  • جمع شدہ پیرامیٹر (مثلاً وزن اور تناسب) چھوٹی غیر معمولی مقداروں کے ساتھ۔
  • موجودہ پیرامیٹرز کا استعمال کرتے ہوئے پیشینگوئیی برآمد کو درست کریں
  • اِس کی کیا وجہ ہے ؟
  • ہر پیرامیٹر کے لئے احترام کیساتھ نقصاندہ عمل کو ترتیب دیں ۔
  • سیکھنے کی رفتار اور مشابہہ کشش کو تفریق کرنے سے ہر پیرامیٹر کا جائزہ لیں۔

یہ عمل کسی مخصوص عددی عمل کے لیے دوبارہ شروع کرتا ہے یا جب تک کہ کھو جانے والی تبدیلی کا امکان نہ ہو جائے۔

مثال کے طور پر ،

ذرا ایک ہی ڈیٹا پوائنٹ پر غور کریں اور . [4]. [4] وزن = 0.5 اور [FLT] [FLT]] [fL:5]]] [fLT]]] کے ساتھ استعمال کریں [1]. [fLTTTT]]. [TTT]]. [TTTTTTT]]]]]. [TTTTTTTTT]]]. [TTTTTTT]]]]. [TTTTTTTT]]]]]]]]۔

کلکٹری اطلاعات : = Wex + b = 0 * 2 + 0 = 1 []

سانچہ:ابتدائی ترتیب: دہشت گرد = ⁇ - y = 1 - 4 = 3 = 3 = 33

کلکٹر کشش ثقل (انگریزی:

Gradent w.r.t. وزن: [1] ⁇ L/ ⁇ w = 2 * غلطی * x = 2 * (-3) * 2 = -12]۔

Gradent w.r.t.c. اخذ شدہ بتاریخ: [1] ⁇ L/ ⁇ b = 2 * غلطی = 2 * * (-3) = -6]

اپروئرس (انگریزی:

نیا وزن : [w = 0.5 - 0.1 * (-2] 0.5 + 1.2 = 1.7]۔

نئی سمتیت : [b = 0 - 0 * (-6) = 0 + 0.6 = 0.6[ 0.6]