Notice
Recent Posts
Recent Comments
Link
반응형
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- update_state
- rag
- subgraph
- langgraph
- add_subgraph
- 추천시스템
- RecSys
- humannode
- rl
- REACT
- conditional_edge
- summarize_chat_history
- 강화학습의 수학적 기초와 알고리듬 이해
- chat_history
- removemessage
- pinecone
- lcel
- LangChain
- langgrpah
- toolnode
- 밑바닥부터 시작하는 딥러닝
- tool_calls
- human-in-the-loop
- 강화학습
- Ai
- conditional_edges
- 밑바닥부터시작하는딥러닝 #딥러닝 #머신러닝 #신경망
- 강화학습의 수학적 기초와 알고리듬의 이해
- tool_binding
- Python
Archives
- Today
- Total
반응형
목록dl (1)
반응형
타임트리
Problems of MLP
이번 게시물에서는 MLP를 사용할 때 발생하는 문제점을 알아보고, 이러한 문제점을 해결하기 위한 방법에 대해서도 함께 다룬다.1. Problems of MLP: Overfitting(1) Model Capacitiy(Complexity) Regression 문제를 가정해보자. Real vlaue의 분포가 3차 함수와 유사할 때, 두 가지 모델을 파라미터 관점에서 생각해보자. $H(x)$는 2개의 파라미터를 갖고 있는 데 반해, $H_2(x)$는 4개로 더 많은 파라미터를 갖고 있다. 이처럼 모델의 파라미터 개수가 증가할수록 즉, 모델이 복잡해질수록 더 복잡한 함수를 근사할 수 있다. 복잡한 현상을 예측하기 위해 MLP의 Model Capacitiy를 크게 만드는 방법은 두 가지가 있다.(1) Laye..
Deep Learning/Tips
2022. 6. 13. 00:50