Vad är beskärning i djupinlärning?
Vad är beskärning i djupinlärning?

Video: Vad är beskärning i djupinlärning?

Video: Vad är beskärning i djupinlärning?
Video: Pruning Makes Faster and Smaller Neural Networks | Two Minute Papers #229 2024, Maj
Anonim

Beskärning är en teknik i Djup lärning som hjälper till att utveckla mindre och effektivare neurala nätverk . Det är en modelloptimeringsteknik som innebär att man eliminerar onödiga värden i vikttensorn.

Med tanke på detta, vad är beskärning i neurala nätverk?

Vad är Neural nätverksbeskärning . Enkelt uttryckt, beskärning är ett sätt att minska storleken på neuralt nätverk genom kompression. Efter nätverk är förtränad, finjusteras den sedan för att fastställa vikten av anslutningar.

Förutom ovan, varför är Sparity viktig? Gleshet är viktigt av många anledningar. Det är Viktig att ha så lite som möjligt neuroner som skjuter vid en given tidpunkt när ett stimuli presenteras. Det gör att ett sparsamt system är snabbare eftersom det går att utnyttja det gleshet att bygga snabbare specialiserade algoritmer.

Med tanke på detta, vad är beskärning inom maskininlärning?

Beskärning är en teknik i maskininlärning och sökalgoritmer som minskar storleken på beslutsträd genom att ta bort delar av trädet som ger lite kraft för att klassificera instanser. Beskärning minskar komplexiteten hos den slutliga klassificeraren och förbättrar följaktligen den prediktiva noggrannheten genom att minska överanpassningen.

Varför är neurala nätverk viktiga?

Viktiga fördelar med neurala nätverk : ANN har förmågan att lära sig och modellera icke-linjära och komplexa relationer, vilket verkligen är Viktig för i verkligheten är många av sambanden mellan indata och utdata icke-linjära såväl som komplexa.

Rekommenderad: