Her şeyden önce, bazı algoritmalar sıfır başlangıç ağırlıklandırmalarıyla bile birleşir. Basit bir örnek, bir Doğrusal Algılayıcı Ağıdır. Elbette, birçok öğrenme ağı rastgele başlangıç ağırlıklandırması gerektirir (ancak bu, en hızlı ve en iyi olanı elde etmenin garantisi değildir. cevabı ).
Sinir ağları, ağırlıkları öğrenmek ve güncellemek için Geri yayılımı kullanır ve sorun, bu yöntemde ağırlıkların yerel optimal düzeye yakınsamasıdır. global optimal değil (yerel minimum maliyet / kayıp) .
Rastgele ağırlıklandırma , ağın mevcut alandaki her yön için şansı değerlendirmesine ve daha iyi bir cevaba ulaşmak ve tek bir yönle sınırlı kalmamak için kademeli olarak iyileştirmesine yardımcı olur. veya cevapla .
[Aşağıdaki resim, nasıl yakınsamanın tek boyutlu bir örneğini göstermektedir. Başlangıç konumu göz önüne alındığında, yerel optimizasyon elde edilir, ancak genel bir optimizasyon yapılmaz. Daha yüksek boyutlarda, rastgele ağırlıklandırma, doğru yerde olma veya daha iyi başlama şansını artırabilir, bu da ağırlıkların daha iyi değerlere yakınsamasına neden olur.] [1]
[1]: https://i.stack.imgur.com/2dioT.png [Kalhor, A. (2020). Sınıflandırma ve Regresyon NN'leri. Ders.]
En basit durumda, yeni ağırlık aşağıdaki gibidir:
W_new = W_old + D_loss
Burada maliyet fonksiyonu gradyanı, yeni bir ağırlık elde etmek için önceki ağırlığa eklenir. Önceki tüm ağırlıklar aynıysa, sonraki adımda tüm ağırlıklar eşit olabilir. Sonuç olarak, bu durumda, geometrik bir bakış açısıyla, sinir ağı tek yönde eğimlidir ve tüm ağırlıklar aynıdır. Ancak ağırlıklar farklı ise, ağırlıkları farklı miktarlarda güncellemek mümkündür. (Her ağırlığın sonuç üzerinde sahip olduğu etki faktörüne bağlı olarak, ağırlıkların maliyetini ve güncellemelerini etkiler. Böylece ilk rastgele ağırlıklandırmadaki küçük bir hata bile çözülebilir).
Bu çok basit bir örnekti, ancak rastgele ağırlıklandırmanın öğrenme üzerindeki etkisini gösteriyor. Bu, sinir ağının bir tarafa gitmek yerine farklı alanlara gitmesini sağlar. Sonuç olarak, öğrenme sürecinde bu alanların en iyisine gidin