Может, кто из форума знает специализированные живые форуму по данной тематике? ну или ответит на такой вопрос:

Вопрос по поводу того, почему функция ошибки в нейронных сетях это квадрат разности правильного ответа и ответа выходного нейрона сети E=(a-f(х))^2 , где а - правильный ответ, а Е - ошибка конкретного выходного нейрона, ну а f(x) - это сигмоида.

Градиентный спуск, по идее это поиск градиента, т.е. вектора указывающий направление изменения скорости функции, относительно аргументов, т.е. поиск производных, по каждому аргументу и определение направления куда двигаться, что бы найти минимум функции.

По сути должна быть функция у которой в точке где ошибка равна 0 должен быть минимум, а минимум это по идее там где скорость изменения функции стремиться к 0, т.е. производная в точке минимума функции равна 0 и для нейронных сетей и была выбрана функция ошибки E=(a-f(х))^2, что она в точке минимума имеет значение производной равной 0, я правильно размышляю или не очень)?

форумом, Паш, в который раз ошибся

(1) так написал же в самом начале, может кто знает нужный живой форум по данной тематике...

знаю: https://www.bylkov.ru/forum/

шутник

зачем тебе это? чтобы заработать на этом надо осваивать фреймворки, а там понимания не нужно

(0) "я правильно размышляю?"
Да, именно так люди и размышляют. Но лучше желать это не вслух - мы все слышим и нам это не нравиться.

(5) нет, написал же хочу понять принцип сам по себе, а в частности почему функция ошибки элемента нейронной сети именно такая,  а не другая

(0) http://www.cyberforum.ru/ai/
Тут ведется общение на эту тему, не знаю, правда, насколько результативно

(8) спасибо

(7) чтобы использовать наработки тервера, взяв формулу дисперсии

(10) "взяв формулу дисперсии"
диспепсии, двоечник!

(11) откуда вас столько разморозилось?

(11,12) )))))

(10) там простая формула, сумма квадратов разности по всем выходным нейронам, если там и есть часть формулы, то почему не вся, а только квадрат разности?

так "сумма квадратов разности" или "квадрат разности"?

(15) есть функция ошибки сети, она характеризуется как сумма ошибок всех нейронов сети по всем примерам, если представить, что выходной нейрон один и пример один, то можно в конкретном случае свести к квадрату разности E=(a-f(х))^2 для данного конкретного нейрона, почему выбрана именно эта функция определения ошибки, а не какая-то другая, почему разность правильного ответа и ответа нейрона возводят в квадрат?

млин.. ну наверное надо почитать и подружиться с матаном?.. КЭП

(17) В данном случае еще и с математической статистикой

(18) мне как бы ответ на вроде бы простой вопрос, почему выбрана эта формула, а не какая-либо другая, ну скажем, в рамках данной задачи она оказалось самой простой или что-то в этом роде..

ппц.. квадрат гипотинузы равен сумме квадратов катетов - это Пифагор просто взял потому, как красиво получилось?

(20) вот это и спрашиваю, в чем математическая обоснованность именно такой формулы ошибки,А  не какой-то другой, я вижу, то , что находить минимум данной функции имеется возможным, в отличие от других вариантов, может еще какие-то причины есть, хотелось бы узнать, о них или что почитать про это...только не весь матан там или статистику, а что-то конкретное

какая в опу "математическая обоснованность"? нет такого понятия "математическая обоснованность". Хорош пить/дуть/употреблять

(22) ладно не знаешь, так и скажи, не знаю, почему эта, а не к примеру сумма разности по модулю или еще чего.

(23) ))) причем здесь знаешь/не знаешь. Это же математика - тут все можно вывести и доказать)).. это та долпаепп

весна...

возможно по тому, что сплайны так строятся?

потому что большие отклонения от искомого значения должны давать больший вклад в ошибку. и должно быть исключено влияние знака ошибки.
при указанных требованиях квадратичная функция самое простое.
сколько классов образования нужно иметь чтобы не понимать настолько очевидных вещей?

(0) Из лучших по нейросетям конечно фишки.нет, там и разности и квадраты и фишки правильно ложаться!

(27) вот уже ближе, про это я то же думал, что сдвиг в торону ошибки уменьшается в пропорции, но опять же почему не 4я степень или по модулю, ладно раз самое простое, значит такой ответ.

(29) почитай что такое метрика и дисперсия