스택큐힙리스트

저는 신경망의 초보자입니다. 퍼셉트론에 대해 배우고 있습니다. 제 질문은 가중치 벡터가 결정 경계(하이퍼플레인)에 수직이 되는 이유는 무엇인가요? 많은 책들을 참고했지만, 모두 가중치 벡터가 결정 경계에 수직이라고 언급하고는 있지만 그 이유를 언급한 책은 없습니다. 누군가 설명이나 책 참고 자료를 제공해 주실 수 있을까요?답변 1여기서 w와 x는 모두 길이 N의 벡터입니다. 이 방정식은 평면 상의 모든 점에서 성립합니다. 위의 방정식을 상수로 곱하여도 여전히 성립하기 때문에 벡터 w의 단위 길이를 갖도록 상수를 정의할 수 있습니다. 이제 종이 조각을 꺼내서 x-y 축 (x1과 x2는 위의 방정식에서 의미합니다)을 그려보세요. 그 다음, 원점 근처에 선 (2D에서의 평면)을 어딘가 그려보세요. w0은 단순..

나는 3차원 벡터의 큰 세트를 가지고 있습니다. 유클리드 거리를 기반으로 이들을 군집화해야 합니다. 여기서 특정 클러스터 내에 있는 모든 벡터들은 서로의 유클리드 거리가 임계값 T보다 작아야 합니다. 몇 개의 클러스터가 존재하는지 알지 못합니다. 마지막에는 공간 내의 벡터 중 어떠한 클러스터에도 속하지 않는 개별 벡터가 존재할 수 있습니다. 그 이유는 해당 벡터의 유클리드 거리가 공간 내의 어떠한 벡터들과도 T보다 작지 않기 때문입니다. 여기서 사용해야 할 기존 알고리즘 / 접근 방식은 무엇인가요?답변 1이 접근 방식은 다른 군집과 유사성 기준, 즉 거리 임계값을 충족하지 못하는 경우에도 작은(단일 점) 군집을 허용한다는 것에 유의하십시오. 더 나은 성능을 발휘할 수 있는 다른 알고리즘도 있으며, 이는 ..

닫혔습니다. 이 질문은 책, 도구, 소프트웨어 라이브러리 등의 추천을 요구합니다. 이는 스택 오버플로우 지침을 충족하지 않습니다. 현재 답변을 받지 않습니다. 책, 도구, 소프트웨어 라이브러리 등의 추천을 요청하는 질문은 허용하지 않습니다. 질문을 수정하여 사실과 인용을 통해 답변할 수 있도록 할 수 있습니다. 닫힘 5년 전. 이 질문 개선하기 입력 벡터의 크기, 출력 벡터의 크기 및 훈련 세트의 크기만 가지고 계층의 수와 각 계층 당 뉴런의 수를 계산하는 방법을 찾고 있습니다. 일반적으로는 다른 네트워크 구성을 시도하고 오류가 가장 적은 네트워크를 선택하여 최적의 넷을 결정합니다. 불행히도, 그렇게 할 수는 없습니다.답변 1이 주제에 대한 많은 연구가 있습니다. 그러므로, 진심으로 관심이 있다면 읽을 ..

주요 초점이 기계 학습 알고리즘 구현에 있으므로, 대용량 데이터를 적재하고 자체 알고리즘을 업로드하여 분산 처리를 고려하지 않고도 데이터를 처리할 수 있는 충분한 CPU 자원을 제공하는 실행 중인 플랫폼이 있는지 여부를 여쭤보고 싶습니다. 그럼에도 불구하고, 이와 같은 플랫폼이 존재하든 존재하지 않든, 특정 고객 요구에 맞게 전체 시스템을 제작하여 생산에 넣을 수 있는 팀에서 일할 정도로 충분히 큰 그림을 그리고 싶습니다. 예를 들어, 소매업자는 매일 구매를 분석하고자 하므로 매일 기록을 처리할 수 있는 인프라에 모든 일일 레코드를 업로드해야 합니다. 이를 위해 맞춤형 기계 학습 알고리즘을 사용해 데이터를 처리할 수 있는 충분한 능력을 갖춘 시설이 필요합니다.위의 내용을 간단한 질문으로 정리하면: 기계 ..