Стохастичний градієнтний спуск

Спеціальна градація даних

Систематизований графічний дисплей

Сегментний генератор даних

Функція втрат

Кількість виходів

Коефіцієнт навчання η

Кількість входів

0

1

2

0,5

Оптимізація памʼяті

Архівування великих обсягів даних

Класифікація, регресія, сегментація

Робота з таблицями Excel

Підраховує кількість нейронів

Зберігає значення ваг

Забезпечує збереження енергії

Зв’язує входи з виходами у передбачуваній формі

0

1

2

0,5

h = sigmoid(x)

np.array([0, 1])

bias = 4

w = (1, 2)

Значення ваг

Значення похибки

Результати h1 та h2

Початкові значення

нескінченність

-1

0

~1

Кількість нейронів

Рівень активації

Кількість циклів навчання

Сума ваг