به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

سلام. اصلا نمی دونم طرح این سوال درست هستش یا نه
تو اینترنت جستجو می کردم تا ببینم شبکه عصبی رو چطور به شکل خیلی ساده توضیح داده شده
یک محتوا پیدا کردم که شبکه عصبی با یک پارامتر ایجاد کرده بود.
مثلا نمرات دانش آموزشان
بعد شبکه قرار بود یاد بگیره که نمره قبول چه مقدار هستش و نمره رد چه مقدار
شبکه با یک ضریب خطا کم می تونست پیدا کنه. چون مقدار های وارد شده اینطوری بود

13 true
8 false
5 false
18 true

برای همین بین 8 و 13 رو نمی دونست درسته یا نه.
سوال اصلیم اینه
میخوام ببینم برای این مثال آیا گرادیان نزولی جواب میده
میخوام گرادیان نزولی رو یک مثال فوق العاده ساده پیاده کنم.
آیا برای این مثلا میشه
آیا یک فرمول ریاضی کلی داریم که روی تمامی مسائل حتی با یک پارامتر
دو پارامتر و بیشتر جواب بده برای حل شبکه عصبی.
با تشکر

توسط (104 امتیاز)
ویرایش شده توسط
یکم بیشتر توضیح بدید.. اگه با مثال بهتر میتونید منظورتون رو برسونید حتما این کارو بکنید. منظور شما از یک متغییر و ... چیه؟ (پست اصلی رو ویرایش کنید و توضیحات جدید رو بدید)
انجام دادم. ویرایش کردم

1 پاسخ

0 امتیاز
 
بهترین پاسخ

سلام
آیا گرادیان نزولی یا همون gradien descent جواب میده یا نه بله جواب میده .
در شبکه عصبی از یه اصلی استفاده میشه بنام empirical risk minimization که بصورت خلاصه یعنی مساله آموزش یک شبکه عصبی رو ما تبدیل میکنیم به یک مساله بهینه سازی یا optimization . یعنی ما قراره یکسری پارامتر پیدا کنیم که باعث کاهش ریسک (loss ) تابع هدف ما بشه .
زمانی هم که ما یه مساله بهینه سازی داشته باشیم میتونیم از الگوریتم های این حوزه استفاده کنیم .یکی از الگوریتمها همین Gradient descent هست.

توسط (4.3k امتیاز)
انتخاب شده توسط
یا یک سوال جدید بپرسید یا اینکه سوال اصلی رو ویرایش کنید با اطلاعات جدید.
ممنون. چطور اینو حذفش کنم.
یک سوال جدید پرسیدم
حذف شد.میتونید سوال کنید.
...