深度学习记录--指数加权平均

这篇具有很好参考价值的文章主要介绍了深度学习记录--指数加权平均。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

指数加权移动平均(exponentially weighted moving averages)

如何对杂乱的数据进行拟合?

通过指数加权平均可以把数据图近似拟合成一条曲线

深度学习记录--指数加权平均,深度学习记录,深度学习,算法,人工智能

公式:
深度学习记录--指数加权平均,深度学习记录,深度学习,算法,人工智能

其中表示第t个平均数,表示第t-1个平均数,表示第t个数据,表示变化参数

下图为拟合结果()

深度学习记录--指数加权平均,深度学习记录,深度学习,算法,人工智能

当参数变化时,拟合结果也会发生变化

例子:
 时,近似取10个数据平均值(红色曲线)

 时,近似取50个数据平均值(绿色曲线)

 时,近似取2个数据平均值(黄色曲线)

深度学习记录--指数加权平均,深度学习记录,深度学习,算法,人工智能

从上图三条曲线可知

参数的取值对拟合结果的影响很大,那么有什么规律?

较大时,拟合结果更加平稳,因为取的是更多数据的平均值

较小时,拟合结果波动较大,因为取的是更少数据的平均值

公式:

这个公式可以用来计算采样数据的数量

当较大时,公式值较大,即取的更多数据的平均值

深度学习记录--指数加权平均,深度学习记录,深度学习,算法,人工智能

深度学习记录--指数加权平均,深度学习记录,深度学习,算法,人工智能

优点:
减少内存占用,只需一行代码实现重复更新

v=0
beta=0.9
theta=[1,2,4,5,6,8,10,14,18,22]
# theta[i]代表当前数据
for i in range(0,10):
    v=beta*v+(1-beta)*theta[i]
    print("v",i+1," = ",v)

深度学习记录--指数加权平均,深度学习记录,深度学习,算法,人工智能

偏差修正(bias correction)

当较大时,初期数据拟合可能偏差较大,为了更好地拟合初期的数据,故采用偏差修正

深度学习记录--指数加权平均,深度学习记录,深度学习,算法,人工智能

所得到的v值进行进一步的处理:

,其中t为天数

故当t较小时,可以被适当放大,更加拟合数据

当t变大,分母逐渐趋于1,所以后阶段偏差修正作用不大

总而言之,偏差修正是一种针对初期数据的修正偏差的方法文章来源地址https://www.toymoban.com/news/detail-817484.html

到了这里,关于深度学习记录--指数加权平均的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包