Turinys:
Apibrėžimas - ką reiškia Delta Rule?
„Delta“ taisyklė mašininio mokymosi ir neuroninių tinklų aplinkoje yra specifinis atgalinio dauginimo tipas, kuris padeda patobulinti MN / AI tinklus, jungiančius įvestis ir išėjimus su dirbtinių neuronų sluoksniais.
Delta taisyklė taip pat žinoma kaip Delta mokymosi taisyklė.
„Techopedia“ paaiškina „Delta Rule“
Apskritai, atgalinis dauginimasis susijęs su dirbtinių neuronų įvesties svorio perskaičiavimu, naudojant gradiento metodą. Delta mokymasis atliekamas naudojant skirtumą tarp tikslinės aktyvacijos ir faktiškai gautos aktyvacijos. Naudojant linijinę aktyvavimo funkciją, tinklo jungtys sureguliuojamos.
Kitas būdas paaiškinti „Delta“ taisyklę yra tas, kad jis naudoja klaidos funkciją mokydamasis dėl nuolydžio.
„Delta“ taisyklės vadovėlyje paaiškinta, kad iš esmės lyginant tikrąjį išvestį su tiksline išvestimi, technologija bando rasti atitiktį. Jei atitikties nėra, programa daro pakeitimus. Faktinis „Delta“ taisyklės įgyvendinimas skirsis priklausomai nuo tinklo ir jo sudėties, tačiau naudojant linijinę aktyvavimo funkciją, „Delta“ taisyklė gali būti naudinga tobulinant kai kuriuos neuroninių tinklų sistemų tipus, pasižyminčius savita reprodukcijos forma.
