Sự mở rộng là một thuật toán cơ bản được dùng để đào tạo mạng thần kinh. Nó giúp mạng học cách điều chỉnh trọng lượng dựa trên lỗi giữa các kết xuất dự đoán và thực tế. Quá trình này bao gồm tính độ dốc và độ cập nhật của trọng lượng qua một loạt các bước.

Những nhận xét căn bản về sự ủng hộ

Sự mở rộng phụ thuộc vào quy tắc dây chuyền của giải tích để tính toán các dốc màu của hàm mất với mỗi trọng lượng trong mạng. Nó truyền các lỗi ngược từ lớp kết xuất đến lớp nhập, cho phép mạng để học từ lỗi.

Tiến trình tính toán từng bước một

Tiến trình này bao gồm một số bước then chốt:

  • Bỏ qua: [FLT: 1] Tính toán kết xuất của mạng bằng trọng lượng hiện tại.
  • lỗi tính tổng hợp:[FLT: 1] xác định sự khác biệt giữa dự đoán và kết quả thực tế.
  • Qua lại: Tính toán dốc màu của lỗi theo trọng lượng.
  • Trọng lượng ngày hôm qua: điều chỉnh trọng lượng bằng các dốc và tốc độ học tập.

Sự hiểu biết thực tiễn

Hiểu các tính toán giúp điều chỉnh tiến trình học tập. Đặt đúng mức mức và chuẩn xác khối lượng có thể cải thiện hiệu quả đào tạo hiệu quả. Theo dõi lỗi trong quá trình đào tạo, đảm bảo mạng hội tụ một cách hiệu quả.