অব্যক্ত হয়েছে যে নিউরাল নেটওয়ার্কের ডিজাইন পছন্দগুলি প্রায়শই তাদের সফল অপ্টিমাইজেশনের জন্য গুরুত্বপূর্ণ। এই নিবন্ধে আমরা আলোচনা করি যদি সর্বদা একটি নিউরাল নেটওয়ার্ক পুনরায় ডিজাইন করা যায় যাতে এটি গ্রেডিয়েন্ট ডিসেন্টের সাথে ভালোভাবে প্রশিক্ষিত হয়।
এটি নিম্নলিখিত সার্বজনীনতা ফলাফল উত্পাদন করে: যদি, একটি নির্দিষ্ট নেটওয়ার্কের জন্য, যেকোনো অ্যালগরিদম থাকে যা শ্রেণীবিন্যাস কাজের জন্য ভালো নেটওয়ার্ক ওজন খুঁজে পেতে পারে, তাহলে সেই নেটওয়ার্কের একটি এক্সটেনশন রয়েজ্যাল যা এই ওজনগুলি এবং সংশ্লিষ্ট ফরোয়ার্ড আউটপুটটি কেবল গ্রেডিয়েন্ট ডিসেন্ট প্রশিক্ষণ দিয়ে পুনরায় তৈরি করে।
এই নির্মাণ কোনো বাস্তব গণনার জন্য উদ্দেশ্য করা হয়নি, কিন্তু এটি মেটা-শিখ এবং সংশ্লিষ্ট পদ্ধতিগুলির সম্ভাবনাগুলির দিক নির্দেশ করে।
জমা ইতিহাস থেকে: Gerrit Welper [ইমেল দেখুন] [v1]Mon, 27 Jul 2020 16:17:19 UTC (31 KB)
গুরুত্বপূর্ণ উপাদান: মানুষ: Gerrit Welper
উৎস: Hacker News · সারাংশ: HeadlinesBriefing