کمیت (انگریزی: Exional networks) میں اہم اجزاء ہوتے ہیں ۔ یہ پیشینگوئیی برآمدات اور اصل ہدف کی اقدار کے درمیان فرق کا اندازہ کرتے ہیں ۔

نقصان‌دہ چیز کیا ہے ؟

ایک نقصان دہ عمل نیٹ ورک کی پیش گوئیوں کی غلطی کو یقینی بناتا ہے. یہ ایک واحد انفنٹری اقدار فراہم کرتا ہے جو ماڈل کی درستی کی عکاسی کرتا ہے. ٹریننگ کے دوران، ماڈل کی کارکردگی کو بہتر بنانے کے لئے مقصد یہ ہے.

نقصاندہ چیزوں کی عام اقسام

  • Meyan Squared غلطی (ME): استعمال کرنے والے کام کے لیے استعمال ہونے والی اشیاء، یہ پیشینگوئی اور حقیقی اقدار کے درمیان اوسط مربع فرق کا حساب رکھتی ہے۔
  • Cross-Entropy کھوسہ: عام طور پر کلاس بندی کے کاموں کے لیے استعمال کیا جاتا ہے، یہ دو امکانی تقسیموں کے فرق کا اندازہ لگاتا ہے۔
  • Hinge کھوسہ:] Victor مشینوں کی مدد سے استعمال کیا جاتا ہے، یہ کلاسوں کے درمیان موجود مارجن کو تیز کرنے میں مدد دیتا ہے۔

نیورل نیٹ ورکس میں کیلکشن

کمیت کو ختم کرنے میں ماڈل کی پیش گوئیوں سے گزرنا اور اصلی لیبلوں کو نقصان عمل کے ذریعے سے گزرنا شامل ہے۔اس کے بعد نتیجہ خیز مقدار کو ماڈل کے وزن کو کشش ثقل کے ذریعے تیار کیا جاتا ہے جیسے کشش ثقل کے نزول کے ذریعے۔

نقصاندہ نتائج کی بابت غلط‌فہمی

کھو دینے کا انتخاب تربیتی عمل اور آخری ماڈل کارکردگی کو متاثر کرتا ہے. مناسب نقصان کا عمل مخصوص کام اور ڈیٹا خصوصیات کے ساتھ طے کرتا ہے جس سے زیادہ مؤثر سیکھنے کا باعث بنتا ہے۔