【深層学習】損失関数/勾配降下法｜交差エントロピー誤差、ミニバッチ勾配降下法

[@yudaitonoyama7277]

１から飛ばさず説明してくださるので、めっちゃわかりやすいです。

[@j-phoenixresearchinc.5618]

ようやく初めて交差エントロピーがよくわかりました！

[@syalpon]

素晴らしい。わかりやすい。

[@ひげにゃんこ]

高校で習った二項分布がここまで発展するんだな。感慨深い。

[@大川在日本]

勉強になりました

[@アルフォート-i6e]

説明が一々神です！ 神の祭壇でable神を呼び出したい。。

[@takumih7276]

尤度関数分かりやすかったです。

[@maxmumtheginchan]

非常にわかりやすいです！ しかし一つ疑問なんですが、そもそもモデルを作るにはどうしたら良いのでしょうか？

[@lnoool]

すごいいい！

[@こーら-e3q]

15:36 1、2のデータの出力のかっこの右上のTって何ですか？？

[@一山-b9g]

転置

[@怒りの矛先を失った魔理沙]

LeLU関数みたいなの使うと数式じゃなくなる気がします。 そうなったら微分できなくないですか

[@yone1998]

30:10 wが重み、yが各ニューロンにおける値とすると、zが活性化関数でしょうか？ あと、本質的な問いではないかと思いますが、y_1^2を通る経路だけ考えているようにみえるのですが、y_2^2を通る経路も考える必要があるのではないでしょうか？つまりは全微分

[@norichanfutonya7787]

錦糸町のホストみたいな、もふもふ不動産でdeep learning について勉強した。直感的には、行列や微分が出てくるところが雰囲気掴めた。(錦糸町のホストも、直感的説明とコメ)でも、ここでその部分を掘り下げてくれて、わかりやすい。偏微分のところまでわかった。プログラミングまで、頑張りたい。

[@yone1998]

具体例 nはデータの個数: 人のID(1,2,3,4) kはクラス: 服のサイズ(SML) t_{nk}= [0 1 0 0 0 1 0 0 1 1 0 0] y_{nk}= [0.1 0.8 0.1 0.3 0.1 0.6 0.2 0.3 0.5 0.4 0.3 0.3]

[@食用お味噌汁]

あれだ、神経伝達物質を分泌させてシナプスの重み付けをシーン毎に変化させてA10神経系をダイナミックに活動させよう(何