Questions tagged «error-propagation»

我正在看本教程中发现的交叉熵成本函数： C=−1n∑x[ylna+(1−y)ln(1−a)]C=−1n∑x[yln⁡a+(1−y)ln⁡(1−a)]C = -\frac{1}{n} \sum_x [y \ln a+(1−y)\ln(1−a)] 我们到底要总结什么？当然，过，但和不改变。所有的的被输入到所述一个。 甚至在方程以上段落中，因为所有的和的函数来定义的和的。 xxxyyyaaaxxxxxxaaaaaawwwxxx 另外，定义为输入到该特定神经元的数量，对吗？它被表述为“训练数据项的总数”。nnn 编辑： 我认为正确吗 C=−1n∑x[ylna+(1−y)ln(1−a)]C=−1n∑x[yln⁡a+(1−y)ln⁡(1−a)]C= -\frac{1}{n} \sum_x [y \ln a+(1−y)\ln(1−a)] 将是整个网络的成本函数，而 C=[ylna+(1−y)ln(1−a)]C=[yln⁡a+(1−y)ln⁡(1−a)]C = [y \ln a+(1−y)\ln(1−a)] 单个神经元的成本是多少？总和不应该超过每个输出神经元吗？

10 neural-networks  error-propagation 

在两个不同的条件下（A和B），我对每个人的性状有3到5个度量。 我绘制平均每个个体在每个条件和我使用标准的误差（即，，其中N=测量次数）作为误差线。小号D / N--√SD/NSD/\sqrt{N}ñNN 现在，我要绘制条件A和条件B中每个人的平均度量之间的差异。我知道我可以确定传播的误差： 但是如何传播标准误差（因为我正在处理测量的平均值）而不是标准偏差？这有道理吗？小号D = Sd2一个+ Sd2乙----------√SD=SDA2+SDB2SD=\sqrt{SD_A^2+SD_B^2}

10 standard-deviation  standard-error  error  error-propagation 

假设我有一些不确定性的数据。例如： X Y 1 10±4 2 50±3 3 80±7 4 105±1 5 120±9 不确定度的性质可以是重复测量或实验，或例如测量仪器不确定度。 我想使用R拟合曲线，通常我会这样做lm。但是，当它给我拟合系数的不确定性以及预测间隔的不确定性时，就没有考虑数据的不确定性。查看文档，lm页面具有以下内容： 权重可以用来表示不同的观察结果具有不同的方差 因此，我认为也许这与它有关。我知道手动执行操作的原理，但是我想知道是否可以使用该lm功能执行操作。如果没有，是否还有其他功能（或包装）能够做到这一点？ 编辑 看到一些评论，这里有一些澄清。举个例子： x <- 1:10 y <- c(131.4,227.1,245,331.2,386.9,464.9,476.3,512.2,510.8,532.9) mod <- lm(y ~ x + I(x^2)) summary(mod) 给我： Residuals: Min 1Q Median 3Q Max -32.536 -8.022 0.087 7.666 26.358 Coefficients: Estimate Std. Error t …

9 r  least-squares  error-propagation