1620 Begriffe aus IT, Netzwerk, Sicherheit und Programmierung: erst kurz erklärt, dann ausführlicher. Suche nach einem Wort oder wähle einen Buchstaben.
1 Treffer
Eine Schicht rechnet y = f(W·x + b). Mehrere Schichten hintereinander können komplexe Zusammenhänge lernen. Beim Training läuft die Rechnung vorwärts (Vorhersage, Loss), dann wird der Fehler mit der Kettenregel rückwärts durch alle Schichten propagiert, um die Gradienten zu erhalten.
Verwandt: Gradientenabstieg und Lernen aus Daten · Transformer-Architektur · Überanpassung und Bias-Varianz-Abwägung
Ganzer Artikel im Wiki →