Madde #79Derin Öğrenme/sozluk/xavier-glorot-initialization

Xavier/Glorot Initialization

Xavier / Glorot Initialization

Türkçe: Xavier (Glorot) Başlatması
Ayrıntılı Tanım
Xavier Glorot ve Yoshua Bengio tarafından geliştirilen; özellikle **Sigmoid ve Tanh** aktivasyon fonksiyonları kullanan ağlarda sinyalin varyansını girişten çıkışa kadar sabit tutan ağırlık başlatma tekniğidir.
Ne İşe Yarar / Çözülen Problem
Derin ağların ilk katmanlarında gradyanların yok olmasını veya doyum noktasına ulaşıp eğitimin kilitlenmesini engeller.
Nasıl Çalışır? (Teknik & Mekanizma)
Ağırlıklar, girdi boyutu (ninn_{in}) ve çıktı boyutu (noutn_{out}) dikkate alınarak şu varyansla normalize edilmiş normal veya düzgün dağılımdan seçilir: Var(W)=2nin+noutVar(W) = \frac{2}{n_{in} + n_{out}}
Örnek Senaryo & Pratik Uygulama
Akustik bir tünelde konuşan birinin sesinin ne yankı yapıp sağır etmesi ne de tünelin ortasında tamamen kaybolması; tünelin sonuna kadar aynı berraklıkta gitmesi.
Benzer Terimlerden Farkı
ReLU gibi negatif bölgeyi sıfırlayan fonksiyonlarda yetersiz kalır; bu yüzden sadece simetrik/doyumlu fonksiyonlar (Tanh/Sigmoid) için idealdir.
İlişkili Terimler (3)
Ait Olduğu Kategori

Derin Öğrenme Temelleri ve Temsil Öğrenmesi

Yapay sinir ağları, aktivasyon fonksiyonları, geri yayılım ve tensör temelleri.

Toplam Terim:52 Madde
Bu Kategorideki Tüm Terimleri Gör →
Önceki Terim (#78)Weight Initialization
Sonraki Terim (#80)He/Kaiming Initialization