Learning in these networks occurs t

Learning in these networks occurs through changing the weights so as to minimize some error function, typically specified as the difference between the output pool's activation vector and the desired activation vector. Normally this is accomplished incrementally via the previously mentioned backpropagation algorithm, in which the partial derivative of the error with respect to last layer of weights is calculated (and generally scaled down) and used to update the weights. Then the partial derivatives can be calculated for the second-to-last weight layers and so on, with the process repeating recursively until the weight layer connected to the input pool is updated. For more information about how these derivatives are calculated, visit the PDPHandbook.

ผลลัพธ์ (ไทย) 1:

เรียนรู้ในเครือข่ายเหล่านี้เกิดการเปลี่ยนแปลงน้ำหนักเพื่อลดฟังก์ชันข้อผิดพลาดบางอย่าง โดยทั่วไปจะระบุเป็นความแตกต่างระหว่างของสระออกเปิดใช้งานเวกเตอร์และเวกเตอร์ต้องเปิดใช้งาน โดยปกตินี้สำเร็จแบบเพิ่มหน่วยผ่านอัลกอริธึม backpropagation กล่าว ซึ่งอนุพันธ์บางส่วนของข้อผิดพลาดเกี่ยวกับชั้นสุดท้ายของน้ำหนักคำนวณ (และโดยทั่วไปจะปรับลง) และใช้ในการปรับปรุงน้ำหนัก แล้ว อนุพันธ์บางส่วนสามารถคำนวณได้สำหรับชั้นสองสุดท้ายน้ำหนักใน กระบวน recursively การทำซ้ำจนกว่าจะมีการปรับปรุงชั้นน้ำหนักการเชื่อมต่อกับสระว่ายน้ำเข้า สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีคำนวณอนุพันธ์เหล่านี้ เยี่ยมชม PDPHandbook

ผลลัพธ์ (ไทย) 2:

การเรียนรู้ในเครือข่ายเหล่านี้เกิดขึ้นผ่านการเปลี่ยนแปลงน้ำหนักเพื่อลดข้อผิดพลาดบางฟังก์ชั่นที่ระบุมักจะเป็นความแตกต่างระหว่างเวกเตอร์ยืนยันการใช้งานสระว่ายน้ำการส่งออกและการเปิดใช้งานที่ต้องการเวกเตอร์ ปกตินี้จะประสบความสำเร็จเพิ่มขึ้นผ่านทางขั้นตอนวิธีการแพร่กระจายย้อนกลับกล่าวก่อนหน้านี้ซึ่งในอนุพันธ์บางส่วนของข้อผิดพลาดที่เกี่ยวกับชั้นสุดท้ายของน้ำหนักคำนวณ (และลดขนาดลงโดยทั่วไป) และใช้ในการปรับปรุงน้ำหนัก แล้วสัญญาซื้อขายล่วงหน้าบางส่วนสามารถคำนวณได้สำหรับชั้นน้ำหนักสองที่ผ่านมาและอื่น ๆ ที่มีขั้นตอนการทำซ้ำซ้ำจนกว่าชั้นน้ำหนักที่เชื่อมต่อกับสระว่ายน้ำอินพุทที่มีการปรับปรุง สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการซื้อขายสัญญาซื้อขายล่วงหน้าเหล่านี้จะถูกคำนวณแวะ PDPHandbook

ผลลัพธ์ (ไทย) 3:

การเรียนรู้ในเครือข่ายเหล่านี้เกิดขึ้นจากการเปลี่ยนน้ำหนักเพื่อลดข้อผิดพลาดบางฟังก์ชันที่มักจะระบุเป็น ความแตกต่างระหว่างการกระตุ้นการส่งออกและเวกเตอร์สระว่ายน้ำที่ต้องการเปิดเวกเตอร์ โดยปกตินี้ได้เพิ่มทีละขั้นผ่านกล่าวถึงก่อนหน้านี้แบบอัลกอริทึมซึ่งในส่วนที่มาของข้อผิดพลาดเกี่ยวกับชั้นสุดท้ายของน้ำหนักที่คำนวณได้ ( และโดยทั่วไปจะลดขนาดลง ) และใช้เพื่อปรับปรุงน้ำหนัก แล้วอนุพันธ์ย่อยสามารถคำนวณสำหรับสองชั้นน้ำหนักสุดท้ายและ กับกระบวนการทำซ้ำ recursively จนกว่าน้ำหนักชั้นเชื่อมต่อข้อมูลน้ําคือการปรับปรุงสำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการคำนวณอนุพันธ์เหล่านี้ เยี่ยมชม pdphandbook .