सबूत के तीन प्रकार
यह क्यों मायने रखता है "model में X के लिए एक neuron है" machine learning के सबसे दोहराए वाक्यों में से एक है, और ज़्यादातर समय उसके पीछे का सबूत एक तस्वीर है। यह module एक तस्वीर और एक प्रमाण के अंतर के बारे में है।
एक network के अंदर क्या होता है इसका हर दावा सबूत के तीन प्रकारों में से एक पर टिका है, सबसे कमज़ोर से सबसे मज़बूत तक:
- Pattern: अंदर की कोई चीज़ बाहर की किसी चीज़ से मेल खाती है। एक unit बड़ी है जब text बिल्लियों के बारे में हो; एक head पिछले शब्द पर ध्यान देता है। आपने देखा, छुआ नहीं।
- Effect: आपने अंदर कुछ बदला और output बदला। head हटाएँ और loss बढ़ता है; दूसरे input से एक मान वापस रखें और जवाब पलटता है। अब आप जानते हैं कि यह मायने रखता है, पर ठीक नहीं कि यह क्या करता है।
- Mechanism: हिस्सा क्या निकालता है इसकी एक व्याख्या जो अनुमान लगाती है कि उन inputs पर क्या होगा जो आपने अभी नहीं आज़माए, और अनुमान सही रहता है।
Patterns सस्ते हैं और हर जाँच वहीं से शुरू होती है। वे बस एक effect के बाद दावे बनते हैं, और बस ऐसे अनुमान के बाद व्याख्या जो विफल हो सकता था।
इस पाठ के शब्द और चिह्न
- pattern, effect, mechanism
- सबूत के तीन प्रकार: देखा और पाया; उसे बदला और output बदला; उसे समझाया और व्याख्या ने नए मामलों का अनुमान लगाया
kind भरें: हर दावे के लिए, "pattern", "effect" या "mechanism" (सबसे मज़बूत प्रकार जिसका उसका सबूत समर्थन करता है)।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।