Probabilisticamente.
Sin indicar qué tipo de regla de aprendizaje se está utilizando, la idea esencial es:
si la regla de actualización de peso dice aumentar el peso, aumentarlo con una probabilidad proporcional a la cantidad de ese aumento, y disminuirlo con una probabilidad inversamente proporcional a la cantidad de ese aumento.
- ¿Cómo aprendo el aprendizaje automático y el procesamiento de imágenes para aplicaciones móviles? Por ejemplo, para usar los mismos efectos de filtro en aplicaciones iOS y Android, ¿debería usar Python?
- ¿Cómo se relaciona la RNN con el aprendizaje profundo?
- ¿Cuál es la diferencia entre la regresión de mínimos cuadrados ordinarios y la regresión lineal con el método de mínimos cuadrados?
- Utilizando la regresión logística y la regularización L1 / L2, ¿debo preocuparme por la selección de características?
- ¿Por qué tantos geeks de datos se unen a compañías web en lugar de resolver problemas de datos a gran escala en biología?
si la regla de actualización de peso dice disminuir el peso, disminuirlo con una probabilidad proporcional a la cantidad de esa disminución y aumentarlo con una probabilidad inversamente proporcional a la cantidad de esa disminución.
Los detalles precisos dependen exactamente de cómo se implementa la actualización probabilística.
Ahora eso responde a la pregunta que hiciste, ¡pero probablemente no sea lo que quieres saber! Por ejemplo, por qué o cuándo podría ser útil, o cómo podría usarlo junto con una regla de aprendizaje particular, como una regla delta, (propagada hacia atrás o no), o cómo podría usarse con redes neuronales de punta, o ayuda cuando los datos con los que está entrenando la red contienen contradicciones y mucho ruido, o cómo podría usarlos en una implementación de hardware.
Pero prefiero no predecir lo que realmente quieres saber.
