สองคะแนน:
- การออกกลางคันมักจะถูกเปรียบเทียบกับโครงข่ายประสาทเทียม ดูเหมือนว่าจะมีประโยชน์ด้านประสิทธิภาพของการฝึกอบรมและเฉลี่ยเครือข่ายประสาทหลายแห่ง
- การออกกลางคันสามารถปรับเทียบได้ง่ายกว่าการทำให้เป็นปกติ มีพารามิเตอร์ไฮเปอร์พารามิเตอร์เดียวเท่านั้นซึ่งเป็นอัตราการออกกลางคันและผู้คนใช้กันอย่างแพร่หลาย 0.5 ในขณะที่การฝึกอบรม (แล้ว 1.0 สำหรับการประเมินผลแน่นอน :)) ดูตัวอย่างเช่นTensorFlowนี้
ยังไงก็ตามฉันก็ยังสงสัยเกี่ยวกับการศึกษาเชิงประจักษ์ของโครงข่ายประสาทเทียม มีพารามิเตอร์หลายตัวมากเกินไปที่จะทำการจูนอย่างละเอียดจากโทโพโลยีของเครือข่ายไปยังโพรซีเดอร์การหาค่าเหมาะที่สุดสำหรับการไล่ระดับสีไปยังฟังก์ชันการเปิดใช้งานและอะไรก็ตามที่คุณกำลังทำการทดสอบอย่างสม่ำเสมอ จากนั้นสิ่งทั้งหมดคือสุ่มและโดยปกติแล้วการเพิ่มประสิทธิภาพจะมีขนาดเล็กมากจนคุณสามารถทดสอบความแตกต่างทางสถิติได้ยาก ผู้เขียนหลายคนไม่สนใจทำการทดสอบทางสถิติ พวกเขาเพียงแค่ตรวจสอบความถูกต้องโดยเฉลี่ยและประกาศว่าแบบจำลองใดที่มีจุดทศนิยมที่สูงที่สุดจะเป็นผู้ชนะ
คุณอาจพบว่ามีการศึกษาการส่งเสริมการออกกลางคันเท่านั้นที่จะถูกโต้แย้งโดยการเลื่อนขั้นการสนับสนุนอื่น
ฉันคิดว่าทุกอย่างจะแปรเปลี่ยนไปตามความพึงพอใจด้านสุนทรียภาพ การออกกลางคัน IMHO ฟังดูมีเหตุผลทางชีวภาพมากกว่าการทำให้เป็นปกติ นอกจากนี้ยังง่ายต่อการสอบเทียบ ดังนั้นฉันเองชอบมันเมื่อใช้กรอบเช่น TensorFlow หากเราต้องใช้เครือข่ายประสาทของเราเองซึ่งเรามักจะทำเราจะใช้การทำให้เป็นมาตรฐานเพราะง่ายต่อการใช้งาน