Why introduce the quadratic cost? A

Why introduce the quadratic cost? After all, aren't we primarily interested in the number of images correctly classified by the network? Why not try to maximize that number directly, rather than minimizing a proxy measure like the quadratic cost? The problem with that is that the number of images correctly classified is not a smooth function of the weights and biases in the network. For the most part, making small changes to the weights and biases won't cause any change at all in the number of training images classified correctly. That makes it difficult to figure out how to change the weights and biases to get improved performance. If we instead use a smooth cost function like the quadratic cost it turns out to be easy to figure out how to make small changes in the weights and biases so as to get an improvement in the cost. That's why we focus first on minimizing the quadratic cost, and only after that will we examine the classification accuracy.

ผลลัพธ์ (ไทย) 1:

แนะนำต้นทุนกำลังสองทำไม หลังจากที่ทุก ไม่เราเป็นหลักสนใจในจำนวนภาพที่จัด โดยเครือข่ายอย่างถูกต้อง ทำไมไม่ลองเพิ่มหมายเลขนั้นโดยตรง แทนที่จะลดการวัดพร็อกซีเช่นต้นทุนกำลังสอง ปัญหาที่มีจำนวนภาพที่ถูกจัดว่าไม่ฟังก์ชันเรียบของตุ้มน้ำหนักและอคติในเครือข่าย ส่วนใหญ่ การเปลี่ยนแปลงเล็ก ๆ น้ำหนักและอคติจะไม่ทำให้การเปลี่ยนแปลงทั้งหมดในจำนวนภาพการฝึกอบรมที่จัดอย่างถูกต้อง ที่ทำให้มันยากที่จะคิดออกวิธีการเปลี่ยนแปลงน้ำหนักและอคติเพื่อให้ได้ประสิทธิภาพที่ดีขึ้น ถ้าเราใช้ต้นทุนเช่นต้นทุนกำลังสองฟังก์ชันเรียบแทน มันเปิดออกจะต้องคิดออกวิธีการทำการเปลี่ยนแปลงเล็ก ๆ ในน้ำหนักและอคติเพื่อให้ได้รับการปรับปรุงในต้นทุน นั่นคือ เหตุผลที่เราแรกเน้นลดต้นทุนกำลังสอง และ เพียงหลังจากที่จะ เราตรวจสอบความถูกต้องของการจัดประเภท

ผลลัพธ์ (ไทย) 2:

ทำไมแนะนำค่าใช้จ่ายกำลังสอง? หลังจากที่ทุกคนไม่ได้เราส่วนใหญ่มีความสนใจในจำนวนภาพที่จัดได้อย่างถูกต้องโดยเครือข่ายหรือไม่ ทำไมไม่พยายามที่จะเพิ่มจำนวนที่โดยตรงมากกว่าการลดมาตรการพร็อกซี่เช่นค่าใช้จ่ายกำลังสอง? ปัญหาเกี่ยวกับการที่เป็นที่จำนวนภาพที่จัดได้อย่างถูกต้องไม่ได้เป็นฟังก์ชั่นที่ราบรื่นของน้ำหนักและอคติในเครือข่าย ส่วนใหญ่, การเปลี่ยนแปลงเล็ก ๆ กับน้ำหนักและอคติจะไม่ทำให้เกิดการเปลี่ยนแปลงใด ๆ ที่ทุกคนในจำนวนภาพการฝึกอบรมจัดได้อย่างถูกต้อง ที่ทำให้มันยากที่จะคิดออกวิธีการเปลี่ยนน้ำหนักและอคติที่จะได้รับการปรับปรุงประสิทธิภาพ ถ้าเราแทนที่จะใช้ฟังก์ชั่นค่าใช้จ่ายได้อย่างราบรื่นเช่นค่าใช้จ่ายกำลังสองมันจะออกมาเป็นเรื่องง่ายที่จะคิดออกว่าจะทำให้การเปลี่ยนแปลงเล็ก ๆ ในน้ำหนักและอคติเพื่อให้ได้รับการปรับปรุงในค่าใช้จ่าย นั่นเป็นเหตุผลที่เรามุ่งเน้นเป็นครั้งแรกในการลดค่าใช้จ่ายกำลังสองและหลังจากที่เราจะตรวจสอบความถูกต้องของการจัดหมวดหมู่

ผลลัพธ์ (ไทย) 3:

ทำไมแนะนำต้นทุนปรับตัว ? หลังจากทั้งหมดเราไม่ได้สนใจเป็นหลักในหมายเลขของภาพให้ถูกต้องตามเครือข่าย ทำไมไม่พยายามที่จะเพิ่มตัวเลขโดยตรง แทนที่จะลดพร็อกซี่วัดเหมือนต้นทุนปรับตัว ? ปัญหาอยู่ที่จำนวนของภาพจัดอย่างถูกต้อง ไม่ใช่การทำงานที่ราบรื่นของน้ำหนักและอคติในเครือข่าย สำหรับส่วนใหญ่ การเปลี่ยนแปลงขนาดเล็กในน้ำหนักและอคติไม่ก่อให้เกิดการเปลี่ยนแปลงใด ๆที่ทั้งหมดในจํานวนภาพการจัดอย่างถูกต้อง ที่ทำให้มันยากที่จะคิดออกวิธีการเปลี่ยนน้ำหนักและอคติได้รับการปรับปรุงประสิทธิภาพ ถ้าเราแทนการใช้ฟังก์ชันต้นทุนเรียบเหมือนต้นทุนกำลังสอง มันกลับกลายเป็นเรื่องง่ายที่จะคิดออกวิธีที่จะทำให้การเปลี่ยนแปลงขนาดเล็กในน้ำหนักและอคติเพื่อที่จะได้รับการปรับปรุงในค่าใช้จ่าย นั่นเป็นเหตุผลที่เราโฟกัสครั้งแรกลดต้นทุนกำลังสอง และหลังจากที่เราตรวจสอบข้อมูลความถูกต้อง