Cách thức tăng cường thích hợp là bước quan trọng trong việc phát triển mô hình học tập sâu sắc hiệu quả. chỉnh đúng cách có thể cải tiến mô hình độ chính xác và hiệu quả. 2 phương pháp phổ biến là tìm kiếm mạng và tối ưu hóa Bayesian.

Tìm kiếm lưới

Tìm kiếm lưới bao gồm sự kết hợp quá mức của chất siêu phân chia trong phạm vi được xác định. Nó tính toán một cách có hệ thống mỗi tập hợp để xác định cấu hình tốt nhất. Phương pháp này đơn giản nhưng có thể đắt đỏ, đặc biệt là với nhiều chất tương đối.

Tuy nhiên, có lẽ không thực tế đối với mô hình lớn hoặc tham số lớn vì chi phí tính toán cao.

Sự báp têm của Bayesian

Sự tối ưu hoá Bay tạo ra một mô hình xác suất của chức năng khách quan. Nó dùng mô hình này để chọn sự kết hợp siêu chiều rộng đầy hứa hẹn để đánh giá kế tiếp. Mục tiêu này là tìm tham số tối ưu với ít lặp hơn việc tìm kiếm lưới.

Phương pháp Bayesian hiệu quả hơn trong không gian cao không gian và có thể thích ứng với những vùng hứa hẹn. chúng phù hợp khi nguồn tài nguyên máy tính bị hạn chế hoặc khi đào tạo mô hình thì tốn thời gian.

So sánh và sử dụng

  • Tìm kiếm nguy hiểm: tốt nhất cho khoảng không tham số nhỏ và khi có thể tìm kiếm trong công việc.
  • Sự báp têm của Ba yesian: ) Lý tưởng cho mô hình phức tạp với nhiều chất cao cầu.
  • Tìm kiếm lưới ) là đơn giản nhưng đắt; Bayesian hiệu quả nhưng phức tạp hơn để thực hiện.