A MIAÚ immár 25+ éve áll a Köz szolgálatára!
MATARKA-nézet
Üzenet az Olvasóhoz:
a MIAÚ virtuális hasábjain található gondolatokat
pl. Ramanudzsan feljegyzéseihez hasonlóan illik értelmezni (akarni):
a gondolatoknak a minősége/potenciálja az értékképző,
s nem az, hol jelennek meg ezek a gondolatok...
Ami másnak pl. a Facebook: MYX-team-hírek
(Utolsó módosítás: 2015.VII.19.14:08 - MIAÚ-RSS)
IKSAD - 2023.I.: Túltanulás felismerése és finomhangolása függvény-szimmetriákra támaszkodva
Vezércikk: 2023. Február (MIAU No. 294.)
(Előző cikk: MIAU No. 293.)
Kulcsszavak: túltanulás, konzisztencia, becslés-revízió, szimmetria-alapúság, gépi tanulás
Kivonat:
A hasonlóságelemzés módszertana (pl. a regresszióval ellentétben, ahol az együtthatók előjelei az elemzés egyik eredményeként értelmezendők) lehetővé teszi, hogy
dupla-attribútum-készletű kiindulási adathalmazokkal egyszerre lehessen adott input-attribútum egyenes és fordított arányosságú hatását lépcsős függvényekkel leírni.
Ez a matematikai lehetőség teremti meg az alapján annak a vizuális ellenőrzésnek, ahol a vizsgált objektumokra vonatkozó becslésekhez elkészítésre kerülhet
a direkt (vagyis az egyenes arányosságot reprezentáló) és az inverz (vagyis a fordított arányosságot reprezentáló) becslés-komponensek összege és ezek 2D-jellegű ábrázolása.
Véletlen számok, mint elemzési inputok esetén ez a direkt-inverz-viszony kaotikus. Azonban minél jobb az input-adatminőség, a szimmetria ezen két réteg kzött annál kifejezettebbé válik.
Így azon modellek, melyek formálisan hibátlanok a tanulás végén, de nem mutatnak fel szimmetriát, túltanultnak minősítendők, s mint ilyenek kockázatosak, nem használandók.
Ha egy éles becslés esetén a becslésen belüli szimmetria nem adott a direkt és az inverz rétegek között, akkor ez finomhangolásra ad módot, mely revízió növeli az előrejelzések pontosságát.
(Tovább - DOC)
***
(Tovább - PDF)
Észrevételeit érdeklődéssel várjuk email-ben!
((Vissza))
miau.my-x.hu
myxfree.tool
rss.services
]
