Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
SPISTREŚCI
3.6.1
Udoskonalenieklasyfikacjiliniowo-progowej.
.
.
.
.144
3.6.2
Maksymalizacjamarginesuklasyfikacji.
.
.
.
.
.
.145
3.6.3
3.6.4
3.6.5
3.6.6
3.6.7
Miękkimargines
Twardymargines.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.147
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.151
Postaćdualna.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.154
Funkcjejądrowe.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.157
WłaściwościalgorytmuSVM.
.
.
.
.
.
.
.
.
.
.
.
.159
3.7.Ocenajakościmodeli.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.160
3.7.1
Miaryjakościklasyfikacji.
.
.
.
.
.
.
.
.
.
.
.
.
.
.160
3.7.2
Miaryjakościregresji.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.169
3.7.3
Proceduryoceny.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.171
3.8.Elementyteoriiuczeniasię.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.176
3.8.1
Klasypojęćiprzestrzeniemodeli.
.
.
.
.
.
.
.
.
.176
3.8.2
PAC-nauczalność.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.178
3.8.3
PAC-uczeniesiędlaalgorytmówspójnych.
.
.
.
.182
3.8.4
Uczenieagnostyczne.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.185
3.8.5
WymiarVapnika-Chervonenkisa.
.
.
.
.
.
.
.
.
.
.187
3.8.6
Podsumowaniewnioskówzteorii.
.
.
.
.
.
.
.
.
.190
3.9.Uwagibibliograficzne.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.190
4.Siecineuronowe
KarolPiczak,PawełWawrzyński
193
4.1.Perceptronwielowarstwowy.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.194
4.1.1
Modelneuronu.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.194
4.1.2
Perceptrondwuwarstwowy.
.
.
.
.
.
.
.
.
.
.
.
.
.195
4.1.3
Własnośćuniwersalnejaproksymacji.
.
.
.
.
.
.
.197
4.1.4
Perceptronwielowarstwowy.
.
.
.
.
.
.
.
.
.
.
.
.197
4.2.Uczeniesiecineuronowej.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.198
4.2.1
Uczeniejakorozwiązanieproblemuoptymalizacji.199
4.2.2
Skalowaniewejśćiwyjść,inicjacjawag.
.
.
.
.
.
.201
4.2.3
Wstecznapropagacjagradientu.
.
.
.
.
.
.
.
.
.
.202
4.2.4
Algorytmyoptymalizacji.
.
.
.
.
.
.
.
.
.
.
.
.
.
.207
4.3.Rekurencyjnesiecineuronowe.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.211
4.3.1
Uczenierekurencyjnejsiecineuronowej.
.
.
.
.
.
.212
4.3.2
SieciLSTM.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.213
4.3.3
SieciGRU.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.215
4.4.Hiperparametry.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.216
4.4.1
Funkcjeaktywacjineuronów.
.
.
.
.
.
.
.
.
.
.
.
.217
iii
