Peso

Peso: Parametri apprendibili nelle reti neurali che determinano la forza delle connessioni tra neuroni. I pesi sono aggiustati durante il training per minimizzare la loss. Moltiplicati con input in ogni neurone. Core di ciò che il modello apprende. Esempi di applicazione: Peso connessione: 0.5, Matrice pesi, Parametri appresi.

In English: WeightLegge III · Come una rete impara dai dati

I pesi sono aggiustati durante il training per minimizzare la loss. Moltiplicati con input in ogni neurone. Core di ciò che il modello apprende.

Formula

w_(t+1) = w_t − η∂L/∂w

Esempio numerico

w, grad, lr = 0.5, -0.2, 0.05
w = w - lr * grad
print(w)  # 0.51

Quando usarlo

I pesi trasformano gli input e vengono aggiornati dal gradiente della loss rispetto agli esempi.

Limiti

Inizializzazione e scala condizionano stabilità e simmetria; aggiornamenti troppo grandi possono destabilizzare la rete.

Esempi

  • Peso connessione: 0.5
  • Matrice pesi
  • Parametri appresi

Autovalutazione

Tre domande per verificare la comprensione della voce. Le spiegazioni restano disponibili anche senza JavaScript.

1. Che cos’è Peso?
Spiegazione

Peso: Parametri apprendibili nelle reti neurali che determinano la forza delle connessioni tra neuroni. I pesi sono aggiustati durante il training per minimizzare la loss. Moltiplicati con input in ogni neurone. Core di ciò che il modello apprende. Esempi di applicazione: Peso connessione: 0.5, Matrice pesi, Parametri appresi.

2. Quale applicazione è coerente con Peso?
Spiegazione

I pesi trasformano gli input e vengono aggiornati dal gradiente della loss rispetto agli esempi.

3. Quale voce è collegata a Peso?
Spiegazione

Le voci correlate sono scelte per collegamento tecnico, non per somiglianza casuale.