If the same instance or set of inst

If the same instance or set of instances are not representative of the entire function space and they are repeatedly presented to a neural network, then the network might fit that particular sample set too closely, and could be unable to extrapolate beyond the range of the data used for training. Such a network is said to be over- trained. Conversely, if a neural network is not sufficiently trained on a representative sample set, the trained network might fit the training data too loosely. Such a neural network is said to under-train.

Kết quả (Việt) 1:

Nếu trường hợp tương tự hoặc thiết lập các trường hợp không phải là đại diện của chức năng toàn bộ không gian và họ được trình bày nhiều lần cho một mạng lưới thần kinh, sau đó mạng có thể phù hợp đó mẫu cụ thể thiết lập quá chặt chẽ, và có thể không thể ngoại suy vượt ra ngoài phạm vi của các dữ liệu sử dụng cho đào tạo. Như một mạng lưới được gọi là over-đào tạo. Ngược lại, nếu một mạng lưới thần kinh không đầy đủ được đào tạo trên một tập các mẫu đại diện, mạng lưới đào tạo có thể phù hợp với dữ liệu huấn luyện quá lỏng lẻo. Một mạng lưới thần kinh được cho là dưới đào tạo.

Kết quả (Việt) 2:

Nếu trường hợp tương tự, hoặc thiết lập các trường hợp không phải là đại diện của toàn bộ không gian chức năng và họ đang liên tục trình bày với một mạng lưới thần kinh, sau đó các mạng có thể phù hợp mà mẫu cụ thể đặt quá chặt chẽ, và có thể là không thể ngoại suy ngoài phạm vi của dữ liệu sử dụng cho đào tạo. một mạng lưới như vậy được cho là được đào tạo quá mức. Ngược lại, nếu một mạng lưới thần kinh không được đào tạo đầy đủ trên một tập mẫu đại diện, mạng lưới đào tạo có thể phù hợp với các dữ liệu đào tạo quá lỏng lẻo. một mạng lưới thần kinh này được cho là dưới tàu.