【问题标题】:α-LMS‬ algorithm setback issueα-LMS算法挫折问题
【发布时间】:2017-04-02 23:41:53
【问题描述】:

我正在使用 α-LMS 算法为 MNIST 数据集制作分类器。

我只在预测输出与期望输出不匹配时更新权重,以下是更新权重的方式:

我希望残差在每次迭代中都会下降(并且准确度会上升)(我不应该吗?)。

虽然整体准确度似乎在上升,但在某些迭代中算法会回落。

我需要知道在这个算法中发生挫折是否正常,是否是为什么会这样?

【问题讨论】:

    标签: machine-learning neural-network least-squares


    【解决方案1】:

    如果数据可以用公式表示,那么找到该公式是可行的。 当需要算法时(没有公式),收敛速度和准确性很大程度上取决于数据。如果您能够使用多个数据集,您会看到不同的图表。

    【讨论】:

    • 所以你的意思是这种行为并不意外?这意味着尽管我们在每次迭代中都会有更好的权重集,但最终结果可能会更差?
    • 每次迭代都可能变得更糟或更好,具体取决于数据。 通常会更好。想一想:作为一个人类,您可能会在某些手写体中使用“o”而不是“a”时出错。
    猜你喜欢
    • 2011-02-24
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2011-09-02
    • 1970-01-01
    • 1970-01-01
    • 2011-01-19
    相关资源
    最近更新 更多