convergence

0熱

1答えて

分散テンソルのロジスティック回帰を開発しようとしています。反復の上限から離れて、私のアルゴリズムでコンバージェンスチェックを統合したいと思います。私が使用しようとしているコンバージェンス基準は、 || prevW - currW || < E ここで、prevWはモデル加重の以前の値であり、現在の値はcurrWです。 Eは収束公差である。私の質問は以前のモデルの重量です。私はグラフのレプリケーシ

0熱

1答えて

モデルのコンバージェンスに関する問題：ans.ret [meth、] < - c（ans $ par、ans $ value、ans $ fevals、ans $ gevals、

）のエラーlme4を使用して、収束の問題は、次のリソースを経由して解決しようとすると、新たなエラーを取得：。。 Error in ans.ret[meth, ] <- c(ans$par, ans$value, ans$fevals, ans$gevals, : number of items to replace is not a multiple of replacement length こ

2熱

1答えて

Maximaでは、シリーズが収束しているかどうかをチェックする方法は？

私は、系列が無限に発散する場合、正確に真を返す関数を作りたいと思います。残念ながら、シリーズがばらつくと、Maximaはエラーを投げるようです。私は、パッケージsimplify_sumをロードし、私はsimplify_sum(sum(1/n,n,1,inf))がinf戻ってくることを期待し、それは私はシリーズが無限大に発散するかどうかを確認するにはどうすればよい sum: sum is dive

0熱

1答えて

ケラを伴う花のデータセットのトレーニングvgg、妥当性の喪失が変わらない

ケラでVGGネットワークを少し実験しています。私が使用するデータセットは、バラ、ヒマワリ、タンポポ、チューリップ、デイジーなど5クラスの花のデータセットです。小さなCNNネットワーク（以下のコードではVGGではありません）を使用するとすぐに収束し、約8エポック後に約75％の検証精度に達しました。次に、私はVGGネットワーク（コード内のコメントアウトされた領域）に切り替えました。

0熱

1答えて

ディープニューラルネットワークトレーニング、なぜネットウォークトレーニングが収束しないのですか？

MATCONVNET DagNNを使用しています。 AlexNetアーキテクチャーの使用。私architecutreの最後の数の層が [![net = dagnn.DagNN() ; imdb_32 =load('imdb_all_32_pd_norm.mat'); imdb_32=imdb_32.imdb; % some common options op

0熱

1答えて

sympyを使って収束を解くことはできますか？

こんにちは私は、シリーズが収束しているかどうかを判断し、sympyを発見するプログラムを書いています。私はほとんどすべてのテストを書いていますが、書くのは難しいものがいくつかありますが、今はそれらを解決するためのsympyメソッドが組み込まれているのだろうかと思います。私は多くの研究をしており、シリーズを拡張することしかできないようです。

3熱

1答えて

Rルガールソルバが収束しない

優れたrugarchパッケージを使用して2つの異なる時系列のEGARCHモデルを推定したいが、ソルバが収束しない。私は "gosolnp"ソルバを循環するときにランダム性を導入するため、 "ハイブリッド"ソルバオプションを使用したくありません。私の2つの質問は、（1）データが収束していないことに奇妙なものがあるかどうか、（2）そうでなければ、解決策を見つけようと「しようとする」ようにugarchf

1熱

3答えて

ケラスを使って複数クラスのnnを訓練するとき、喪失の理由は何であるか

ケラス（バックエンドはテンソルフロー）を使用してマルチクラスニューラルネットワークを訓練しています。私は最終的な位置に私の設定といくつかのコードを与えます。説明：私は10個のフォルダのクロスバリデーションを行うと、トレーニングの損失と検証の損失は最初の10-15エポックで下がりますが、15エポック後にはさらに下がり続けることはできません（損失：1.0606 - acc：0.6301 - val

0熱

1答えて

newtonメソッドを使ってコードの収束率を計算する

私の仕事は、メソッドの収束率を計算するプログラムを書くことです。私はルートの近似をするためにニュートン法を使用しなければならなかった。コードのこの部分は大丈夫ですが、うまくいきますが、私はそれを考慮します。 x0 : start value F: function DF: jacobi matrix tol : tolerance rate of the approximation.