Las matemáticas se han cubierto en otras respuestas, así que voy a hablar de intuición pura.
La tasa de aprendizaje es la rapidez con que una red abandona las viejas creencias por otras nuevas.
Si un niño ve 10 ejemplos de gatos y todos ellos tienen pelaje anaranjado, pensará que los gatos tienen pelaje anaranjado y buscará pelaje anaranjado cuando intente identificar a un gato. Ahora ve un gato negro y sus padres le dicen que es un gato (aprendizaje supervisado). Con una gran “tasa de aprendizaje”, se dará cuenta rápidamente de que el “pelaje naranja” no es la característica más importante de los gatos. Con una pequeña tasa de aprendizaje, pensará que este gato negro es un caso atípico y que los gatos aún son de color naranja.
- ¿Es mejor codificar un chatbot usted mismo o usar un servicio como Hyphen AI?
- ¿Qué tan factible es el robot doméstico 'Mab' enjambre limpiador doméstico?
- ¿Es razonable trabajar para hacer una IA inteligente?
- ¿Cuánto tiempo hasta que la población general comience a utilizar Bot Suits?
- ¿Cuáles son algunos problemas interesantes que se pueden resolver utilizando redes multineurales?
Bien, el ejemplo es un poco exagerado. El punto es que una mayor tasa de aprendizaje significa que la red cambia de opinión más rápidamente. Eso puede ser bueno en el caso anterior, pero también puede ser malo. Si la tasa de aprendizaje es demasiado alta, podría comenzar a pensar que todos los gatos son negros a pesar de que ha visto más gatos naranjas que negros.
En general, desea encontrar una tasa de aprendizaje que sea lo suficientemente baja como para que la red converja en algo útil, pero lo suficientemente alta como para no tener que pasar años capacitándola.