Búsqueda · 30 momentos en 18 episodios
Sara RobiscoJuan Carlos GilFrancis VillatoroHéctor SocasGastón Giribeterror observación solución verdadera entradaredes neuronales investigadores sara robiscoecuación inversión solución verdaderaSara Robisco
Ecuación inversión solución verdadera
Ep 503: Propulsión Espacial; Computación Cuántica; Fusiones de Estrellas de Neutrones; Agujeros Negros
13 de marzo de 20251 momento
Con
0:000:301:001:302:002:303:12
Sara Robisco explica una idea propuesta por investigadores para mejorar el rendimiento de las redes neuronales, buscando igualar el error de la observación con la solución verdadera menos la entrada.
…a más capas la red sobreaprenda sino porque cuando tú le añades más capas tu error aumenta; empieza a aumentar la tasa de error de la red neuronal y dices: ostras, empieza a fallar y esto era un problemón y a unos chinos, porque esta red neuronal es china. Se les ocurrió una maravillosa idea y es, vale, la solución que queremos observar; que nosotros queremos obtener es igual a los restos, digo no, los restos de la observación, o sea, el error de nuestra observación sería igual a la solución que nosotros necesitamos, a la solución verdadera, menos la entrada, ¿verdad? Vale, y si cogemos esta ecuación, la damos la vuelta. Y decimos la función de lo que nosotros queremos observar es el error menos la entrada. Dices: oye, qué simple, qué fácil. ¿Y esto cómo se consigue en una red neuronal? Pues tenemos subredes, tú coges varias capas, un par de capas funcionando y a la salida de…
Significado #1 · Palabras #1
Sara Robisco explica una idea propuesta por investigadores para mejorar el rendimiento de las redes neuronales, buscando igualar el error de la observación con la solución verdadera menos la entrada.
Habla: Sara RobiscoSignificado #1 · Palabras #1error observación solución verdadera entradaredes neuronales investigadores sara robiscoecuación inversión solución verdadera…a más capas la red sobreaprenda sino porque cuando tú le añades más capas tu error aumenta; empieza a aumentar la tasa de error de la red neuronal y dices: ostras, empieza a fallar y esto era un problemón y a unos chinos, porque esta red neuronal es china. Se les ocurrió una maravillosa idea y es, vale, la solución que queremos observar; que nosotros queremos obtener es igual a los restos, digo no, los restos de la observación, o sea, el error de nuestra observación sería igual a la solución que nosotros necesitamos, a la solución verdadera, menos la entrada, ¿verdad? Vale, y si cogemos esta ecuación, la damos la vuelta. Y decimos la función de lo que nosotros queremos observar es el error menos la entrada. Dices: oye, qué simple, qué fácil. ¿Y esto cómo se consigue en una red neuronal? Pues tenemos subredes, tú coges varias capas, un par de capas funcionando y a la salida de…