1、learning rate

learning rate發(fā)音

英：　　美：

learning rate中文意思翻譯

常用釋義：學(xué)習(xí)率：在機器學(xué)習(xí)中

學(xué)習(xí)率

learning rate雙語使用場景

1、Compared to the standard BP, this algorithm integrated the additional momentum method with the adaptive learning rate method.───與標準BP算法比較，該系統(tǒng)通過結(jié)合附加動量法和自適應(yīng)學(xué)習(xí)速率形成新的BP改進算法。

2、To determine the parameters of model on number of node in hidden layers , learning rate, coefficient of momentum.───通過反復(fù)試驗，確定了隱含層節(jié)點數(shù)、學(xué)習(xí)速率、動量系數(shù)等模型參數(shù)。

3、In this algorithm, each weight has its own learning rate. Consequently, the training time was shortened obviously.───該算法使每個權(quán)都有自己的學(xué)習(xí)率，使網(wǎng)絡(luò)的訓(xùn)練速度大幅度提高。

4、The serious cold had disturbed my routine even badly gotten my learning rate of progress behind.───那嚴重的感冒干擾了我的日常作息，甚至使得我的學(xué)習(xí)進度嚴重落后。

5、This is accomplished by introducing alpha (0 1), which is called the learning rate.───這個規(guī)則通過引入 alpha (0 1) 完成。 我們把 alpha 稱為 學(xué)習(xí)率。

6、Simulation results show that the method can reduce the on-line learning space and speed up the learning rate.───仿真實驗結(jié)果表明，由于只在高層保持在線學(xué)習(xí)，使學(xué)習(xí)空間得以縮小，學(xué)習(xí)時間得以縮短。

7、Restults show that the gain, learning rate and momentum are critical for network convergence and stability.───結(jié)果表明，網(wǎng)絡(luò)的增益、學(xué)習(xí)速率和動量是影響網(wǎng)絡(luò)收斂和穩(wěn)定性的關(guān)鍵參數(shù)。

8、The adaptive distributed learning rate of neural networks is developed to increase the learning speed and performance greatly.───并采用自適應(yīng)分布式學(xué)習(xí)速率，大大提高了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度和精度。

9、can only use a big learning rate combined with a small momentum factor get a learning precision smoothly.───學(xué)習(xí)率和動量因子大小搭配使用才能夠平穩(wěn)達到學(xué)習(xí)精度。

learning rate相似詞語短語

1、disentangled learning───脫節(jié)學(xué)習(xí)

2、lifelong learning───終身學(xué)習(xí)；終生學(xué)習(xí)

3、e learning───n.網(wǎng)絡(luò)（化）學(xué)習(xí)；數(shù)字（化）學(xué)習(xí)；電子（化）學(xué)習(xí)

4、cooperative learning───合作學(xué)習(xí)，共同學(xué)習(xí)

5、altitude learning───高度學(xué)習(xí)

6、rate───n.(Rate)人名；(法、塞)拉特；n.比率，率；速度；價格；等級；vi.責罵；被評價；vt.認為；估價；責罵

7、associative learning───[心理]聯(lián)想學(xué)習(xí)；聯(lián)結(jié)式學(xué)習(xí)

8、learning tower───學(xué)習(xí)塔

9、learning───n.學(xué)習(xí)；學(xué)問；v.學(xué)習(xí)（learn的現(xiàn)在分詞）

2、機器學(xué)習(xí)中，訓(xùn)練數(shù)據(jù)集acc已達到1，而測試集acc不高。是否意味在訓(xùn)練集、模型預(yù)測準確性已達上限？

最常見的原因：過擬合。

過擬合要說起來還不少，主要包括（深度學(xué)習(xí)中）：

1. 數(shù)據(jù)量小，網(wǎng)絡(luò)復(fù)雜；
2. learning rate 比較高，又沒有設(shè)置任何過擬合的機制；

解決辦法有：

1. 簡化模型，利用現(xiàn)有深度學(xué)習(xí)手段增加數(shù)據(jù)（翻轉(zhuǎn)、平移、隨機裁剪、imgaug）；
2. 利用dropout層；
3. 利用正則化。

這是機器學(xué)習(xí)中的一個過擬合現(xiàn)象，說明你的模型訓(xùn)練不夠好，還需要改進。這并不是意味著你的模型預(yù)測準確率達到了上限。如果單純在訓(xùn)練集就達到百分百的準確度完全是有辦法的，畢竟訓(xùn)練集是已知的，難的就在于如何讓他在測試集依然有較高的預(yù)測率。

在機器學(xué)習(xí)中，過擬合現(xiàn)象并不少見。問題多半出現(xiàn)在模型訓(xùn)練上，我知道我這樣說很籠統(tǒng)，但是沒辦法，我也不知道具體指的什么算法，就只能大致說說。你建模的方式中間會不會出現(xiàn)問題，是否可以加入一些參數(shù)進行調(diào)節(jié)，在你的訓(xùn)練過程中一點點的進行調(diào)試。

本來機器學(xué)習(xí)這些都有很多的不確定性。所以要不斷地調(diào)試，要耐住性子。