एक रैखिक परत से होकर ग्रेडिएंट

प्रथम सिद्धांतों से बहु-चर कलन

एक रैखिक परत इनपुट सदिश x को एक भार आव्यूह W से गुज़ारती है, फिर एक पूर्वाग्रह b जोड़ती है (पूर्वाग्रह के साथ यह मानचित्र तकनीकी रूप से एफ़ीन है, रैखिक जमा एक शिफ्ट, हालाँकि ML इसे हमेशा रैखिक परत ही कहता है)। अग्र गणना छोटी है: z = Wx + b। प्रशिक्षण को उल्टी गणना भी चाहिए, यह पता लगाना कि हानि हर इनपुट, हर भार, और हर पूर्वाग्रह के साथ कैसे बदलती है।

🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.