Определение
Обучение меняет параметры, чтобы уменьшить функцию потерь или увеличить награду. Цель, данные и оптимизация определяют результат обучения. При инференсе модель вычисляет выход по параметрам и доступному контексту.
Формула
θ — параметры, L — функция потерь, η — скорость обучения. Этот шаг градиентного спуска приведён как пример; системы могут использовать другие правила.
Допущения и обозначения
θ — параметры, L — функция потерь, η — скорость обучения. Этот шаг градиентного спуска приведён как пример; системы могут использовать другие правила.
Ограничения интерпретации
Изменение инструкции меняет вход, но не обязательно переобучает параметры. Обучение с учителем, самообучение и обучение с подкреплением — методы, а не архитектуры.