Оптимизация on мои наблюденияhttps://shiji.site/ru/tags/%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F/Recent content in Оптимизация on мои наблюденияHugo -- 0.146.0ru-ruThu, 23 Mar 2023 21:02:02 +0300выпуклое множествоhttps://shiji.site/ru/post/2023/convex-set/Thu, 23 Mar 2023 21:02:02 +0300https://shiji.site/ru/post/2023/convex-set/Разбираемся с тем, что такое выпуклое множество и чем оно отличается от аффинногоаффинная оболочкаhttps://shiji.site/ru/post/2023/affine-hull/Tue, 21 Mar 2023 20:40:49 +0300https://shiji.site/ru/post/2023/affine-hull/В статье рассматривается понятие аффинной оболочки.аффинная комбинация точекhttps://shiji.site/ru/post/2023/affine-combination-of-points/Tue, 21 Mar 2023 12:36:11 +0300https://shiji.site/ru/post/2023/affine-combination-of-points/В статье рассматривается, что такое аффинная комбинация точек.теорема об аффинном множествеhttps://shiji.site/ru/post/2023/affine-set-theorem/Mon, 20 Mar 2023 22:07:06 +0300https://shiji.site/ru/post/2023/affine-set-theorem/В статье рассматривается важное свойство аффинного множества: если из него вычесть любую точку, то получится одно и то же линейное подпространство.аффинное множествоhttps://shiji.site/ru/post/2023/affine-set/Mon, 20 Mar 2023 21:56:02 +0300https://shiji.site/ru/post/2023/affine-set/В статье рассматривается, что такое аффинное множествоLeakyReLUhttps://shiji.site/ru/post/2019/leakyrelu/Sat, 05 Oct 2019 18:26:07 +0300https://shiji.site/ru/post/2019/leakyrelu/Разбираемся, что представляет из себя функция LeakyReLU и чем она отличается от обычной ReLU.PReLUhttps://shiji.site/ru/post/2018/prelu/Fri, 18 May 2018 08:35:54 +0300https://shiji.site/ru/post/2018/prelu/Как PReLU улучшает ReLU, добавляя обучаемые параметры для отрицательных значений, и как это влияет на обучение нейросетей.ReLUhttps://shiji.site/ru/post/2018/relu/Thu, 19 Apr 2018 20:57:41 +0300https://shiji.site/ru/post/2018/relu/Почему ReLU стала стандартной активационной функцией в нейросетях, как она ускоряет обучение по сравнению с tanh, и какие преимущества даёт в глубоких моделях.Adamhttps://shiji.site/ru/post/2018/adam/Wed, 14 Mar 2018 12:43:41 +0300https://shiji.site/ru/post/2018/adam/Adam — оптимизационный алгоритм, который сочетает идеи градиентного спуска с моментом и RMSprop, автоматически адаптируя скорость обучения и корректируя смещение градиента.Rmsprophttps://shiji.site/ru/post/2018/rmsprop/Mon, 12 Mar 2018 12:36:29 +0300https://shiji.site/ru/post/2018/rmsprop/Как алгоритм RMSprop улучшает градиентный спуск, используя усредненный квадрат градиента для адаптивного выбора шага и ускорения сходимости.Gradiend Descent With Momentumhttps://shiji.site/ru/post/2018/gradiend-descent-with-momentum/Mon, 12 Mar 2018 12:11:53 +0300https://shiji.site/ru/post/2018/gradiend-descent-with-momentum/Как ускорить градиентный спуск и уменьшить колебания с помощью метода Momentum, используя экспоненциально взвешенные средние градиентов.Градиентный спускhttps://shiji.site/ru/post/2018/gradient-descent/Sat, 24 Feb 2018 23:01:17 +0300https://shiji.site/ru/post/2018/gradient-descent/Как градиентный спуск использует производные и шаг обучения для нахождения минимума функции и оптимизации параметров модели.