Hvordan skal disse enkle formler forstås? Sigma/neurale netværk

glemte lige linket til den anden formel, jeg ikke forstår der står under afsnittet: The loss function. Her kommer det--> http://www.willamette.edu/~gorr/classes/cs449/linear1.html

summa tegnet (det kantede 3-tal) betyder man skal summer værdierne i et interval. nedenunder summa tegnet står der 'j' og siden der ikke står andet en j betyder det "for alle mulige værdier af j" så det bliver:

w[1,i]*y[1] + w[2,i]*y[2] + w[3,i]*y[3] + w[4,i]*y[4] + ...

bemærk at den er rekursiv:  y[1] er den samme summafunktion med i=1

Som formelen står der er den komplet umulig at udregne. det er idealet, i virkeligheden (som i formentlig snart kommer til) er der grænser for hvormange værdier j kan have i hvor brede og dybe de neurale matricer er.

-----------------------

'the loss function' er ganske almindelig standard afvigelse. se: http://en.wikipedia.org/wiki/Standard_deviation

for hvert målt punkt p beregner vi afstanden fra idealet (den tegnede graf) i anden, alle de værdier summeres, og til allersidst dividerer vi med 2.

mvh JakobA

Hej.

rigtig pænt af dig at hjælpe mig ;) Kan man med andre ord sige at formlen siger: Tag hvert input der kendes og gang det med den vægt der hører til inputtet. Og læg resultatet sammen? Med andre ord så laver den et vægtet gennemsnit af alle sine erfaringer? Det er sådan jeg har læst den indtil videre.

Hvis du skriver et svar, jeg kan give point til, så er du velkommen til at komme forbi og hente dem :)

Jeg synes ikke rigtig du har j med i den beskrivelse nogen steder, så det tror jeg umiddelbart ikke (men jeg er ret uvidende om neurale netwærk, så måske)

behold bare pnts

Næh, du får dem ;)