मैं इस समुदाय को एक अलग तरह की गोल्फ चुनौती देना चाहता हूं:
(कृत्रिम) तंत्रिका नेटवर्क बहुत लोकप्रिय मशीन लर्निंग मॉडल हैं जिन्हें किसी भी दिए गए (आमतौर पर अज्ञात) फ़ंक्शन के लिए डिज़ाइन और प्रशिक्षित किया जा सकता है। वे अक्सर अत्यधिक जटिल समस्याओं को हल करने के लिए उपयोग किए जाते हैं जो हम नहीं जानते कि एल्गोरिदम को भाषण मान्यता, कुछ प्रकार के छवि वर्गीकरण, स्वायत्त ड्राइविंग सिस्टम में विभिन्न कार्यों को कैसे हल किया जाए ... तंत्रिका नेटवर्क पर एक प्राइमर के लिए, इस उत्कृष्ट पर विचार करें। विकिपीडिया लेख ।
जैसा कि मैं गोल्फ सीखने की चुनौतियों की मशीन बनने की उम्मीद में यह पहला है, मैं चीजों को यथासंभव सरल रखना चाहूंगा:
अपनी पसंद की भाषा और रूपरेखा में, एक तंत्रिका नेटवर्क को डिज़ाइन और प्रशिक्षित करें, जो उनके उत्पाद गणना सभी पूर्णांक बीच (और शामिल) और ।
प्रदर्शन लक्ष्य
अर्हता प्राप्त करने के लिए, आपका मॉडल उन प्रविष्टियों में से किसी पर भी सही परिणाम से से अधिक विचलन नहीं कर सकता है ।
नियम
आपका मॉडल
- एक 'पारंपरिक' तंत्रिका नेटवर्क होना चाहिए (एक नोड का मान एक सक्रिय परत के बाद एक पिछली परत में कुछ नोड्स के भारित रैखिक संयोजन के रूप में गणना की जाती है)
- केवल निम्नलिखित मानक सक्रियण कार्यों का उपयोग कर सकते हैं:
- ,
- ,
- ,
- ,
- ,
- ,
- ,
- ,
- एक / वेक्टर / सूची / ... पूर्णांक के रूप में या इसके एकमात्र इनपुट के रूप में तैरता है लेना चाहिए
- एक पूर्णांक, फ्लोट (या एक उपयुक्त कंटेनर, उदाहरण के लिए एक वेक्टर या सूची, जिसमें यह उत्तर होता है) के रूप में उत्तर लौटाएं।
आपके परिणाम की जाँच करने के लिए आपके उत्तर में (या लिंक) सभी कोड आवश्यक होने चाहिए - जिसमें आपके मॉडल के प्रशिक्षित वजन भी शामिल हों।
स्कोरिंग
सबसे कम संख्या में वजन (पूर्वाग्रह भार सहित) के साथ तंत्रिका नेटवर्क जीतता है।
का आनंद लें!
f(x) = x
इनपुट को आगे बढ़ाने के लिए कर रहा है?