K
И откуда вообще она такая выводится)
Size: a a a
2019 December 05
NB
Ты троллишь что ли. Моя шутка состояла в том, что собеседование длиной в 10 минут очень может быть - если человек не может ответить на элементарные вопросы.
AT
А зачем уметь брать производные в заурядном дс ?
EZ
И откуда вообще она такая выводится)
Возьмём n частиц в объеме V и посчитаем статсумму Z в каноническом ансамбле...
AT
Когда 90% работы именно такой, покрути данные да построй модельки
AT
А то и 95
K
Ну чтоб как минимум понимать, что такое затухающий градиент, как один из банальных примеров
ДС
Ну чтоб как минимум понимать, что такое затухающий градиент, как один из банальных примеров
Затухающий градиент не нужен 90+% ДС.
K
Ну тогда это снова вопрос честолюбия
K
Не хочется быть совсем макакой
AS
Затухающий градиент не нужен 90+% ДС.
Градиент не нужен в 90+% ДС
MD
а откуда она выводится?
от неё нужны:
-монотонность
-дифференцируемость
-пределы на бесконечностях
-выразимость производной через значение (чтобы легче градиенты считать)
вроде всё
от неё нужны:
-монотонность
-дифференцируемость
-пределы на бесконечностях
-выразимость производной через значение (чтобы легче градиенты считать)
вроде всё
MD
Градиент не нужен в 90+% ДС
дс не нужен в 90+% дс
AS
дс не нужен в 90+% дс
ДС
Более того, вот я знаю о нем. Но на практике встречал пару раз. И то, мне проще было слой / архитектуру поменять, чем что-то там выдумывать и бороться.
K
а откуда она выводится?
от неё нужны:
-монотонность
-дифференцируемость
-пределы на бесконечностях
-выразимость производной через значение (чтобы легче градиенты считать)
вроде всё
от неё нужны:
-монотонность
-дифференцируемость
-пределы на бесконечностях
-выразимость производной через значение (чтобы легче градиенты считать)
вроде всё
Сигмоида? Ну из предположения, что случайный шум имеет логистическое распределение с нулевым средним
ДС
K
MD
Сигмоида? Ну из предположения, что случайный шум имеет логистическое распределение с нулевым средним
а что хорошего в логистическом распределении? колокольчиков куча
K
Сигмоида - это ведь значение функции распределения логистического распределения в точке (бета0 + бета1х1 итд)