반응형 제곱오차합1 적응형 선형뉴런과 학습의 수렴 아달린 - 퍼셉트론의 향상된 버전 연속함수로 비용 함수를 정의하고 최소화하는 핵심 개념을 보여준다. 아달린 규칙(위드로우-호프 규칙)과 퍼셉트론의 가장 큰 차이점은 가중치를 업데이트 하는데 퍼셉트론처럼 단위 함수 대신 선형 활성화 함수를 사용하는 것이다. 선형 활성화 함수 ϕ(z)는 최종입력과 동일한 함수이다. 아딜린 알고리즘은 진짜 클래스 레이블과 선형 활성화 함수의 실수 출력 값을 비교하여 모델의 오차를 계산하고 가중치를 업데이트 한다. 퍼셉트론은 진짜 클래스 레이블과 예측클래스끼리만 비교한다. 경사하강법으로 비용 함수최소화 지도 학습 알고리즘의 핵심 구성 요소는 학습 과정 동안 최적화하기 위해 정의한 목적함수이다. 보통 비용함수가 목적 함수가 된다. 비용 함수 — 실수를 최소화하기 위해 학습자가 행.. 2021. 6. 10. 이전 1 다음 반응형
