"Stochastic gradient descent" là gì trong học máy?

Số lượng mẫu dữ liệu được sử dụng để cập nhật các trọng số trong mỗi lần lan truyền ngược

Kích thước của các tầng ẩn trong mạng neural

Số lượng các mẫu dữ liệu được sử dụng trong quá trình huấn luyện mạng neural

Số lượng epoch cần thiết để đạt được hiệu suất mong muốn

Một kỹ thuật tối ưu hóa gradient descent

Một phương pháp học có giám sát kết hợp nhiều mô hình yếu để tạo ra một mô hình mạnh

Một phương pháp tối ưu hóa dựa trên hàm mất mát

Một kỹ thuật tạo ra các đặc trưng mới từ dữ liệu ban đầu

Phân loại hình ảnh

Phân cụm dữ liệu không gán nhãn vào các nhóm dựa trên đặc trưng tương tự

Dự đoán chuỗi thời gian

Phân tích ngôn ngữ tự nhiên

Rectified Linear Unit

Randomized Learning Unit

Recursive Linear Unit

Regularized Learning Unit

Biểu diễn từ dưới dạng các vector số thực

Phân loại hình ảnh

Dự đoán chuỗi thời gian

Phân tích ngôn ngữ tự nhiên

Quá trình chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu

Quá trình tạo ra các mô hình phức tạp hơn để đối phó với dữ liệu phức tạp

Quá trình biến đổi dữ liệu đầu vào thành dạng phù hợp để huấn luyện mô hình

Quá trình trích xuất thông tin quan trọng từ dữ liệu và biến đổi chúng thành các đặc trưng mới

Một loại mô hình học sâu

Một loại mô hình học có giám sát

Một thuật toán phân loại

Một phương pháp học không giám sát

Một loại mô hình học sâu

Một loại mô hình học có giám sát

Một thuật toán phân loại

Một phương pháp học không giám sát

Một thuật toán tối ưu hóa được sử dụng để cập nhật các tham số của mô hình để giảm thiểu hàm mất mát

Quá trình tăng độ phức tạp của mô hình để tăng hiệu suất

Quá trình chuyển đổi dữ liệu đầu vào thành dạng phù hợp cho mạng neural

Quá trình chia tách dữ liệu thành các phần nhỏ để đánh giá mô hình

Quá trình giảm kích thước của mô hình để giảm overfitting

Quá trình tăng độ phức tạp của mô hình để tăng hiệu suất

Quá trình chia tập dữ liệu thành các phần nhỏ để đánh giá mô hình

Quá trình tạo ra các mô hình phức tạp hơn để đối phó với dữ liệu phức tạp