Нормалізація етикетки в мережах глибокої регресії - нейронна мережа, регресія, глибоке навчання

У регресійних задачах, як правило, немає підстав для нормалізації / повторної корекції міток (цілей) перед виконанням оптимізації.

У глибинних регресійних мережах будепринцип відсутності необхідності перезапуску, оскільки остання функція активації є лінійною, а функція вартості - це середня квадратна різниця прогнозів від цілей.

З іншого боку, для числової стійкості івиконання процесу навчання, значення вхідних та прихованих одиниць зберігаються в діапазоні [-1,1] за допомогою нормалізації функції. Чи не означає, що етикетки слід перераховувати до діапазону [-1,1]?

Відповіді:

традиційно в регресивних проблемах, ти denormalize вихідний сигнал