AI训练

admin 提交于 周五, 08/06/2021 - 17:12

这里有一个简单易懂的AI训练例子。例子是训练出一条线型函数,通过500个已知结果的训练数据,不断调整一条sum = x * weight[0] + y * weight[1] + bias的公式参数得出weight[0]、weight[1]和bias的接近结果。

其中,一个关键的调整参数的方法如下:

this.weights[i] += this.learnc * error * inputs[i]; 

总的来说,训练过程如下:

  1. 收集训练数据及结果。
  2. 建立公式模型(感知器Perceptron)。如果最终结果不是线型关系,但我们的公式是线性的,那么怎么训练也不会有结果。
  3. 构造反向传播算法(Backpropagation),以合适的速度修正权重参数值。

 

An ML model is Trained by Looping through data multiple times.

For each iteration, Weights and Bias values are adjusted.