Распознавание образов и машинное обучение. Чтение 22. Байесовская линейная классификация
Наконец, мы добрались до байесовского метода обучения обобщённого линейного классификатора.
Во-первых, выводим BIC - байесовский информационный критерий для оценки качества модели. Для этого мы используем аппроксимацию Лапласа, а потом аппроксимацию возникшего фактора Оккама. Но наш проводник по миру машинного обучения - доктор Бишоп - сообщает, что на практике пользы от этих оценок мало, они слишком грубые, и лучше использовать оценку без приближения фактора Оккама.
Во-вторых, выводим сам байесовский метод: от нормальной априорной оценки распределения параметров через аппроксимацию Лапласа приходим к апостериорному нормальному распределению параметров. Используя это распределение, строим при помощи творческих математических манипуляций с интегралами через дельта-функцию Дирака предсказывающее распределение. Это красивый технический приём.
#теорвер #machinelearning #красота
1P.S. Продолжаются непонятки с выводом формулы для градиента ошибки. На этот раз я запутался в размерностях переменных. Активация - это не многомерная величина! Формула градиента важна для следующей главы о нейронных сетях, поэтому я запишу отдельное видео с её разбором.
2P.S. Порой современная математическая нотация запутывает стороннего наблюдателя. Моя борьба с градиентом ошибки (простой штукой, в общем-то) - показательный пример. Поэтому важны тексты на подобии “Функциональной дифференциальной геометрии“, в которых эту нотацию пытаются сделать строгой и очевидной.
8 views
422
113
4 years ago 00:13:37 508.7K
Как работают системы распознавания лиц и образов?
1 year ago 00:00:18 1.9K
Распознавание лица. Образы
4 months ago 00:39:49 1
Искусственный интеллект, ChatGPT и распознавание образов / Шелия Губерман
5 years ago 00:01:00 1.7K
Уникальная российская разработка позволила ускорить в 10 раз распознавание образов нейросетью
7 months ago 01:18:39 262
Распознавание образов и машинное обучение. Чтение 34. Байесовское обучение нейросетей
7 months ago 01:01:58 47
Распознавание образов и машинное обучение. Чтение 36. Разнообразие ядер
2 years ago 00:01:27 2.2K
Классная иллюстрация того, как работают свёрточные нейронные сети (CNN) для распознавания образов
3 years ago 01:21:30 149
Семинар 4 (Распознавание образов, теория информации).
8 years ago 00:24:24 3.8K
Распознавание образов. Персептрон // Валерий Опойцев
6 months ago 00:50:02 291
Распознавание образов и машинное обучение. Чтение 41. Гауссовские процессы: классификация, или no pain, no gain
7 months ago 01:14:33 30
Распознавание образов и машинное обучение. Чтение 38. Гауссовские процессы
6 years ago 00:01:38 3.1K
Распознавание образов при помощи AI
1 year ago 01:01:16 154
Распознавание образов и машинное обучение. Чтение 20. Многоклассовый ИНКП. Пробит-регрессия
7 months ago 01:06:01 40
Распознавание образов и машинное обучение. Чтение 39. Регрессия через гауссовский процесс
2 years ago 00:01:15 2.6K
Распознавание образов в технических системах | ИППТ
9 months ago 00:34:00 5
Cyberpunk 2077 ➪ # 78) Распознавание образов
2 years ago 01:10:02 40
РО_Л3
5 years ago 00:51:40 2.7K
И.В. Бондарь “Распознавание образов“
2 years ago 00:01:30 4.8K
Программирование дронов: полет и распознавание образов
4 years ago 00:03:51 18K
Распознавание видеопотока в SimInTech
7 months ago 00:59:07 57
Распознавание образов и машинное обучение. Чтение 35. За пределами нейросетей: ядерные методы