✅مفهوم Regularization در یادگیری عمیق 

👩‍💻نويسنده: فاطمه بذري شرفشادهي

در یادگیری ماشین، تابع هزینه (Loss function) یک معیار برای اندازه‌گیری دقت مدل، و توانایی آن در به حداقل رساندن گپ میان خروجی واقعی و پیش‌بینی مدل محسوب می‌گردد. برای جلوگیری از بیش‌برازش (overfitting) و بهبود تعمیم‌پذیری مدل، ما می‌توانیم از دانش خود در قالب یک penalty term به تابع هزینه اضافه کنیم و اینگونه با ایجاد توازنی بین دقت مدل بر روی داده‌های آموزشی، و توانایی آن در تعمیم به داده‌های جدید، سبب گردیم مدل به بلوغ بیشتری در تعمیم دست یابد.

⭕️جزییات بیشتر 👇

https://onlinebme.com/regularization-in-deep-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme