FPGA机器学习之龙星计划机器学习第十一堂

本文介绍了FPGA中的在线学习(online learning)概念,特别是在线线性分类。通过最小化预测误差(regret)来优化模型,并探讨了感知器错误边界和随机梯度下降法在优化中的应用。文章还讨论了线性回归的权重更新公式,强调学习率的重要性。最后,提到了2010年Google的一项工作,该工作引入了H参数以调整学习速度,以及当前对此领域的研究动态。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这一堂这样讲的是online  learning



就是边学,边预测,预测完后,在学的过程。

其实这里的totalerror更想test error。因为在线的推进变化,而且一直在预测,所以就没有学习错误和预测错误的区别。


第一个式子,我们希望的是所有的情况下,这个值是最小的。但是通常做不到。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值