Стохастичний градієнтний спуск

Спеціальна градація даних

Систематизований графічний дисплей

Сегментний генератор даних

Вага нейронів

Параметр епохи

Функція втрат

Функція активації

Підраховує кількість нейронів

Зберігає значення ваг

Забезпечує збереження енергії

Зв’язує входи з виходами у передбачуваній формі

Значення ваг

Значення похибки

Результати h1 та h2

Початкові значення

0

1

2

0,5

Оптимізація памʼяті

Архівування великих обсягів даних

Класифікація, регресія, сегментація

Робота з таблицями Excel

h = sigmoid(x)

np.array([0, 1])

bias = 4

w = (1, 2)

0

1

2

0,5

Кількість нейронів

Рівень активації

Кількість циклів навчання

Сума ваг

Похідна від функції активації

Вага входу

Випадкова помилка

Константа, що додається до зважених входів