为什么自组织映射中的学习率会随迭代次数变化

通常,学习率是一个我们在开始时决定的值,并且通常它不会随着迭代次数的增加而改变。但在自组织映射(SOM)中,学习率会随迭代次数变化,这是什么原理呢?

据我所知,学习率应该随着迭代次数的增加而减少。这是为什么呢?


回答:

原因相当简单。自组织映射在数学模型方面设计得不够完善,需要降低学习率以确保收敛。换句话说,如果不改变这个值,学习过程可能根本不会停止。这个问题在被称为“主曲线”和“主流形”的更数学化的模型中得到了某种解决,这些模型虽然不太流行,但为学习类似SOM的表示引入了有效的数学方法。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注