Even given that we want to use a sm

Even given that we want to use a smooth cost function, you may still wonder why we choose the quadratic function used in Equation (6). Isn't this a rather ad hoc choice? Perhaps if we chose a different cost function we'd get a totally different set of minimizing weights and biases? This is a valid concern, and later we'll revisit the cost function, and make some modifications. However, the quadratic cost function of Equation (6) works perfectly well for understanding the basics of learning in neural networks, so we'll stick with it for now.

ผลลัพธ์ (ไทย) 1:

แม้ว่าเราต้องการใช้ฟังก์ชันต้นทุนเรียบ คุณยังอาจสงสัยทำไมเราเลือกฟังก์ชันกำลังสองที่ใช้ในสมการ (6) ไม่เลือกแต่เฉพาะกิจ บางทีถ้าเราเลือกฟังก์ชันต้นทุนต่างๆ เราจะได้รับชุดแตกต่างของการลดน้ำหนักและอคติ เป็นปัญหาที่ถูกต้อง และภายหลังเราจะกลับฟังก์ชันต้นทุน และทำการปรับเปลี่ยนบางอย่าง อย่างไรก็ตาม กำลังสองของค่าฟังก์ชันสมการ (6) ทำงานได้อย่างสมบูรณ์แบบสำหรับการทำความเข้าใจพื้นฐานของการเรียนรู้ในเครือข่ายประสาท ดังนั้นเราจะยึดติดกับมันตอนนี้

ผลลัพธ์ (ไทย) 2:

แม้จะได้รับว่าเราต้องการที่จะใช้ฟังก์ชั่นค่าใช้จ่ายได้อย่างราบรื่นคุณอาจจะยังสงสัยว่าทำไมเราเลือกฟังก์ชั่นที่ใช้ในการกำลังสองสมการ (6) ไม่ได้นี้เฉพาะกิจทางเลือกที่ค่อนข้าง? บางทีถ้าเราเลือกฟังก์ชั่นค่าใช้จ่ายที่แตกต่างกันเราจะได้รับชุดที่แตกต่างกันโดยสิ้นเชิงของการลดน้ำหนักและอคติ? นี้เป็นกังวลที่ถูกต้องและต่อมาเราจะทบทวนการทำงานของค่าใช้จ่ายและทำให้การแก้ไขบางส่วน แต่ฟังก์ชั่นค่าใช้จ่ายกำลังสองของสมการ (6) ทำงานสมบูรณ์ดีสำหรับการทำความเข้าใจพื้นฐานของการเรียนรู้ในเครือข่ายประสาทดังนั้นเราจะติดกับมันตอนนี้

ผลลัพธ์ (ไทย) 3:

จะระบุว่าเราต้องการใช้ค่าใช้จ่ายในการทำงานราบรื่น คุณอาจจะยังสงสัยว่าทำไมเราถึงเลือกใช้ฟังก์ชันกำลังสองสมการ ( 6 ) นี่ไม่ใช่แต่เฉพาะกิจทางเลือก ? บางทีถ้าเราเลือกที่แตกต่างกันฟังก์ชันต้นทุนเราไปตั้งค่าที่แตกต่างกันโดยสิ้นเชิงของการลดน้ำหนัก และ อคติ ? นี้เป็นปัญหาที่ถูกต้อง และหลังจากนั้นเราจะทบทวนค่าใช้จ่ายในการทำงาน และให้มีการปรับเปลี่ยน อย่างไรก็ตาม ต้นทุนการทำงานของกำลังสองสมการ ( 6 ) ทำงานสมบูรณ์ดีสำหรับความเข้าใจพื้นฐานของการเรียนรู้ในระบบเครือข่าย ดังนั้นเราจะใช้มันสำหรับตอนนี้