Generalisation is based on smooth i

Generalisation is based on smooth interpolations (and, less
reliably, extrapolations) of and between training data points
in the function learned by the network. We might expect,
therefore, that restricting changes to the function to areas
which are local to each new item learned will have a
detrimental effect on the ability of the network to generalise.
The main focus of this paper is to undertake an initial
investigation of this hypothesis.

ผลลัพธ์ (ไทย) 1:

Generalisation มาตาม interpolations เรียบ ( น้อยได้ extrapolations) ของ และ ระหว่างจุดข้อมูลฝึกอบรมในการทำงานที่เรียนรู้ โดยเครือข่าย เราอาจคาดหวังดังนั้น ที่ restricting เปลี่ยนแปลงฟังก์ชันการซึ่งเป็นท้องถิ่นการเรียนรู้ใหม่แต่ละรายการจะมีการผลผลดีในความสามารถของเครือข่าย generaliseโฟกัสหลักของเอกสารนี้คือการ ดำเนินการเริ่มต้นการตรวจสอบสมมติฐานนี้

ผลลัพธ์ (ไทย) 2:

Generalisation จะขึ้นอยู่กับ interpolations เรียบ
(และน้อยอย่างน่าเชื่อถือศักดิ์) และระหว่างจุดข้อมูลการฝึกอบรมในการทำงานเรียนรู้โดยเครือข่าย
เราอาจคาดหวังได้ว่าการ จำกัด การเปลี่ยนแปลงการทำงานไปยังพื้นที่ที่มีในท้องถิ่นให้กับรายการใหม่ในแต่ละเรียนรู้ที่จะมีผลกระทบต่อความสามารถของเครือข่ายที่จะพูดคุย. เน้นหลักของการวิจัยนี้คือการดำเนินการเริ่มต้นการตรวจสอบนี้สมมติฐาน

ผลลัพธ์ (ไทย) 3:

generalisation ขึ้นอยู่กับ interpolations เรียบและน้อย
ได้อย่าง extrapolations ) และระหว่างฝึกจุดข้อมูล
ในการทำงานเรียนรู้โดยเครือข่าย เราอาจคาดหวัง
ดังนั้นที่ จำกัด การเปลี่ยนแปลงการทำงานเพื่อท้องถิ่นแต่ละพื้นที่
ซึ่งรายการใหม่ได้จะมีผลเป็นอันตรายต่อความสามารถของเครือข่าย
กล่าวสรุป .จุดสนใจหลักของบทความนี้คือการสอบสวนเบื้องต้น
สมมติฐานนี้