Кратко: Векторни пространства от функции

Изчисление на променлива от първи принципи

Функциите се държат като вектори. Вече знаете, че можете да събирате две стрелки и да разтягате стрелка чрез умножение с число. Можете да правите същите две неща и с функциите, и почти всичко, което знаете за векторите, се пренася директно тук.

За да съберете две функции, вие ги събирате поточково: за всеки вход x изходът на новата функция е просто сумата от двата изхода. За да мащабирате функция с число c, вие умножавате всеки изход по c. Тези две операции са точно това, което дефинира едно "векторно пространство".

Представете си две аудио пътечки, които свирят едновременно: бас линия и мелодия. За да ги смесите, добавяте двете вълнови форми момент по момент, точно като събиране на функции точка по точка. А завъртането на копчето за силата на звука на една пътечка до 70% е просто мащабиране на тази функция с 0.7 във всеки един момент. Смесването и силата на звука са събиране и мащабиране, двата хода, които карат функциите да се държат като вектори.

Къде се използва това в MLЛинейният слой извежда претеглена сума от базисни признаци (features): точно „c₁·f₁ + c₂·f₂ + …“ с научени тегла. Фурие признаците, полиномните признаци и скритите неврони на мрежата са вид бази, които комбинирате, за да покриете пространството от функции. Когато се казва, че дадена мрежа е „универсален апроксиматор“, това означава, че нейните градивни елементи покриват (span) достатъчно богато…
▶ Кратко: Векторни пространства от функции
← Тригонометрични функцииТрансформации →