Ευφυή Συστήματα Ρομπότ: ΕΡΓΑΣΙΑ 2008-2009

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Πρόγραμμα Χειμερινής Εξεταστικής 2024-2025]

Πρόγραμμα Χειμερινής Εξεταστικής 2024-2025

[l0v3null]

Λοιπον,...πηρε το ματι μου ενα προηγουμενο τοπικ εξετασης των εργασιων....

Ε που λετε διαβασα πως στην εκπληκτικη αυτη εξεταση ζητουσε τα βαρη του νευρωνικου τυπωμενα?!?!....εντωμεταξυ για το νευρωνικο τα βαρη μαλλον συνυπαρχουν μεσα στο δικτυο στο αρχειο....

εχει κανεις ιδεα?....και εντελει τα αλλα τα βαρη θελουν εκτυπωση?....

[ROMA2001]

καλοι μου συνάδελφοι μήπως γνωρίζει κανείς τι ακριβώς είναι το overfitting και πως αντιμετωπίζεται (θεωρητικά μιλώντας)  :::::::::::::::

[golden]

Αν δεν κάνω λάθος πρόκειται για το πρόβλημα της υπερεκπαίδευσης, δηλ το δίκτυό σου εκπαιδεύεται πολύ καλά για τα δεδομένα που του έχεις δώσεις με αποτέλεσμα να μην ανταποκρίνεται καθόλου σωστά σε άγνωστες εισόδους (διαφορετικές του σετ εκπαίδευσης). Το πρόβλημα αυτό αντιμετωπίζεται με σωστό διαχωρισμό του γνωστού σετ σε σετ εκπαίδευσης και σετ εγκυροποίησης (validation set), συνήθως 70-30 ή 75-25. Επίσης είναι καλό κατά την εκπαίδευσή σου το ζητούμενο σφάλμα να είναι τόσο μικρό ώστε η καμπύλη να είναι το δυνατόν περισσότερο απότομη προς τα κάτω. Δεν είναι καλό να τείνει να γίνει παράλληλη στον οριζόντιο άξονα του επιθυμητού σφάλματος.

[l0v3null]

μπορεις να βρεις info στο net αν θες.....επισης νομιζω το overfitting στα νευρωνικα λεγεται overtraining....

[Ianna]

overfittinig είναι η υπερεκπαίδευση του δικτύου.Δλδ όταν το δίκτυο κατα κάποιο τρόπο αποστηθίζει τα δεδομένα και έχει καλές επιδόσεις αν του δώσεις γνωστά δεδομένα  και όταν του δώσεις άγνωστα δεν έχει καθόλου καλές επιδόσεις,δλδ δεν μπορεί να κρίνει και να κατατάξει ανάλογα ή να κατηγοριοποιήσει.Αυτό λύνεται σπάζοντας το σετ δεδομένων εισόδου σε 2 σετ και το ένα το παίρνεις για εκπαίδευση(πχ 70%) και το άλλο για validation(πχ 30%).Μετά βλέπει τις αποδόσεις το 2 αυτών σετ και αν δεν έχουν μεγάλες διαφορές σημαίνει ότι το δίκτυο ανταποκρίνεται και δεν έχει έχει υπερεκπαιδευτεί...

[Ianna]

Οoooopssss δεν πρόλαβα να δω ότι η ερώτηση απαντήθηκε! 

[ROMA2001]

1000000000000 ευχαριστώ σε όλους 

[supermodified]

Να ρωτήσω την περσινή φουρνιά: στη γραπτή εξέταση τι ερωτήσεις είχε πάνω-κάτω;

Αν θυμάστε! Ευχαριστώ!

[Krono]

    Βασικά είχε κάποιες ερωτήσεις από τις σημειώσεις και κάποιες άλλες που δεν υπήρχαν πουθενά. Μάλλον ήταν πράγματα που είχε πει στις διαλέξεις του μαθήματος.

[supermodified]

    Βασικά είχε κάποιες ερωτήσεις από τις σημειώσεις και κάποιες άλλες που δεν υπήρχαν πουθενά. Μάλλον ήταν πράγματα που είχε πει στις διαλέξεις του μαθήματος.

Thanks για τη σούπερ-γρήγορη απάντηση. Όταν λες σημειώσεις δεν αναφέρεσαι και στις σημειώσεις προτασιακού & κατηγορικού λογισμού έτσι;

[Krono]

Τις είχα διαβάσει κι αυτές. Δεν είχε τίποτα από εκεί αν θυμάμαι καλά. Αλλά σίγουρα εφόσον υπάρχου, καλό είναι να τις διαβάσεις γιατί ποτέ δεν ξέρεις τί γίνεται.

[supermodified]

ΟΚ, σ'ευχαριστώ και πάλι για τις απαντήσεις!

[GINGIN]

Θυμαται κανεις τι ποσοστο επαιρνε η εργασια περσι και τι ποσοστο τα γραπτα?Ισχυε το ιδιο και για φετος?
Ηταν απαραιτητο για να περασει καποιος να γραψει 5 όσο κι αν ειχε παρει στην εργασια?
ευχαριστω

[pierrekif]

50%-50%εργασία-γραπτό.Πρέπει ο συνολικός βαθμός μετά τον συμψηφισμό να είναι μεγαλύτερος του 5.

[GINGIN]

Ok δλδ εγω που ειχα παρει περσι στην εργασια 8 και φετος εγραψα 3 και μου ειχαν πει οτι η εργασια μετραει κανονικα θα επρεπε να εχω περασει κ οχι να με κοψουν με 3 οπως εκαναν, ετσι?

Ευχαριστω πολυ για την πληροφορια