regulariser rule
正則化ルール
tax regulariser
税正則化
regularisers apply
正則化が適用される
regulariser function
正則化関数
regularisers used
使用される正則化
regulariser method
正則化手法
regulariser effect
正則化効果
regularisers help
正則化が役立つ
we added a regulariser to the loss function to prevent overfitting.
損失関数に正則化項を追加して過学習を防止しました。
the regulariser term penalises large weights, encouraging simpler models.
正則化項は大きな重みを罰金として扱い、より単純なモデルを促進します。
choosing the right regulariser strength is crucial for model generalisation.
正しい正則化の強さを選ぶことは、モデルの汎化にとって極めて重要です。
in deep learning, l2 regulariser is widely used to constrain network parameters.
深層学習では、L2正則化がネットワークパラメータを制限するために広く使用されています。
a dropout layer can act as a regulariser, reducing reliance on specific neurons.
ドロップアウト層は正則化として機能し、特定のニューロンへの依存を減らします。
the researcher tuned the regulariser parameter using cross‑validation.
研究者はクロスバリデーションを使って正則化パラメータを調整しました。
our approach combines a sparsity‑inducing regulariser with the main objective.
我々のアプローチは、スパース性を誘導する正則化項と主目的を組み合わせています。
when training data is limited, a regulariser helps to stabilise the learning process.
トレーニングデータが限られている場合、正則化は学習プロセスを安定化させます。
the regulariser effect is more pronounced when the model capacity is high.
モデルの容量が高い場合、正則化の効果はより顕著になります。
we compared several regularisers, including l1, l2, and elastic‑net.
L1、L2、およびエラスティックネットを含むいくつかの正則化を比較しました。
the regulariser can be applied either to the input features or to the hidden units.
正則化は入力特徴量にもしくは隠れユニットにも適用できます。
implementing a regulariser in the loss yields smoother decision boundaries.
損失に正則化を実装すると、決定境界がより滑らかになります。
regulariser rule
正則化ルール
tax regulariser
税正則化
regularisers apply
正則化が適用される
regulariser function
正則化関数
regularisers used
使用される正則化
regulariser method
正則化手法
regulariser effect
正則化効果
regularisers help
正則化が役立つ
we added a regulariser to the loss function to prevent overfitting.
損失関数に正則化項を追加して過学習を防止しました。
the regulariser term penalises large weights, encouraging simpler models.
正則化項は大きな重みを罰金として扱い、より単純なモデルを促進します。
choosing the right regulariser strength is crucial for model generalisation.
正しい正則化の強さを選ぶことは、モデルの汎化にとって極めて重要です。
in deep learning, l2 regulariser is widely used to constrain network parameters.
深層学習では、L2正則化がネットワークパラメータを制限するために広く使用されています。
a dropout layer can act as a regulariser, reducing reliance on specific neurons.
ドロップアウト層は正則化として機能し、特定のニューロンへの依存を減らします。
the researcher tuned the regulariser parameter using cross‑validation.
研究者はクロスバリデーションを使って正則化パラメータを調整しました。
our approach combines a sparsity‑inducing regulariser with the main objective.
我々のアプローチは、スパース性を誘導する正則化項と主目的を組み合わせています。
when training data is limited, a regulariser helps to stabilise the learning process.
トレーニングデータが限られている場合、正則化は学習プロセスを安定化させます。
the regulariser effect is more pronounced when the model capacity is high.
モデルの容量が高い場合、正則化の効果はより顕著になります。
we compared several regularisers, including l1, l2, and elastic‑net.
L1、L2、およびエラスティックネットを含むいくつかの正則化を比較しました。
the regulariser can be applied either to the input features or to the hidden units.
正則化は入力特徴量にもしくは隠れユニットにも適用できます。
implementing a regulariser in the loss yields smoother decision boundaries.
損失に正則化を実装すると、決定境界がより滑らかになります。
Explore frequently searched vocabulary
Want to learn vocabulary more efficiently? Download the DictoGo app and enjoy more vocabulary memorization and review features!
Download DictoGo Now