На главную Наши проекты:
Журнал   ·   Discuz!ML   ·   Wiki   ·   DRKB   ·   Помощь проекту
ПРАВИЛА FAQ Помощь Участники Календарь Избранное RSS
msm.ru
! Правила раздела
1. Название темы должно отражать ее содержимое (не создавайте темы с заголовком ПОМОГИТЕ, HELP и т.д.). Злоупотребление заглавными буквами в заголовках тем ЗАПРЕЩЕНО.
2. При создании темы постарайтесь, как можно более точно описать проблему, а не ограничиваться общими понятиями и определениями.
3. Приводимые фрагменты исходного кода старайтесь выделять тегами code.../code
4. Помните, чем подробнее Вы опишите свою проблему, тем быстрее получите вразумительный совет

Модераторы: esperanto
  
> Глобальная оптимизация.
    Меня интересует вопрос глобальный оптимизации в плане прикладного обучения. Какие есть к этому подходы?

    user posted image

    О проблематики. Если у нас мало данных. И мы обучим нашу систему, то она не сможет хорошо работать с известными образцами, и плохо будет работать с неизвестными. Проблема хорошо известна на примере МНК. Если заставить её 100% соответствовать исходным данным, то мы получим зелёную кривую. Она хорошо проходит через фиолетовые точки с известными данными, но имеет очень большие выбросы по серёдке. Как мне видится лучше с этим справляется жёлтая линия сделанная на основе некоторой эвристики. Как известно глобальная оптимизация и есть такая эвристика.

    Идея взять большие данные не приветствуется. Современные тенденции глубинного обучения направлены на сжатие. И у его принципа компонентного анализа тоже. Поэтому встаёт вопрос о выборе эвристики для этих методов которые будут сродни глобальной оптимизации для оптимизации полинома.
    Сообщение отредактировано: Pavia -

    Прикреплённый файлПрикреплённый файл____________________.png (28,61 Кбайт, скачиваний: 500)
      В каких случаях преподолгают использовать
      1) регуляризацию
      2) уменьшение размерности задачи
      3) увеличение количества данных
        Цитата Pavia @
        Идея взять большие данные не приветствуется. Современные тенденции глубинного обучения направлены на сжатие.
        Откуда такая информация? :huh:
          Цитата negram @
          Цитата Pavia @
          Идея взять большие данные не приветствуется. Современные тенденции глубинного обучения направлены на сжатие.
          Откуда такая информация? :huh:

          хорошоий вопрос? И на сжатие чего?
            ChatGPT не понял вашего вопроса.
            Реньше были вопросы к "армянскому радио" теперь вопросы к ChatGPT
            0 пользователей читают эту тему (0 гостей и 0 скрытых пользователей)
            0 пользователей:


            Рейтинг@Mail.ru
            [ Script execution time: 0,0295 ]   [ 18 queries used ]   [ Generated: 28.03.24, 21:20 GMT ]