[id] cs-229-deep-learning - #154
Conversation
GunawanTri
left a comment
GunawanTri
left a comment
There was a problem hiding this comment.
Dear Bang Pras.
Ini review saya, Bang. Mohon maaf kemarin belum di-request changes soalnya masih belum paham soal aplikasi ini. Semoga membantu.
Modify the translation according to the reviews
|
Mas @GunawanTri bisa cek lagi, saya sudah update |
|
|
||
| **44. 1) We initialize the value:** | ||
|
|
||
| ⟶Kita menginialisasi value |
|
|
||
| **19. Dropout ― Dropout is a technique meant at preventing overfitting the training data by dropping out units in a neural network. In practice, neurons are either dropped with probability p or kept with probability 1−p** | ||
|
|
||
| ⟶Dropout - Dropout adalah sebuah teknik yang digunakan untuk mencegah overfitting pada saraf tiruan dengan men-drop out unit pada sebuah neural network. Pada pengaplikasiannya, neuron di drop dengan probabilitas p atau dipertahankan dengan probabilitas 1-p |
There was a problem hiding this comment.
Droput - Dropout adalah sebuah teknik yang digunakan untuk mencegah overfitting pada saraf tiruan dengan memutus unit yang terdapat pada sebuah neural network. Dalam praktiknya, neuron dikurangi dengan probabilitas p atau dipertahankan dengan probabilitas 1-p
|
|
||
| **22. Batch normalization ― It is a step of hyperparameter γ,β that normalizes the batch {xi}. By noting μB,σ2B the mean and variance of that we want to correct to the batch, it is done as follows:** | ||
|
|
||
| ⟶ Normalisasi batch - Normalisasi batch adalah sebuah langkah untuk menormalisasi batch {xi}. Dengan mendefinisikan μB,σ2B sebagai nilai rata-rata dan variansi dari batch yang ingin kita normalisasi, hal tersebut dapat dilakukan dengan cara: |
There was a problem hiding this comment.
Normalisasi batch - Normalisasi batch adalah sebuah langkah dari hiperparameter γ,β untuk menormalisasi batch {xi}. Dengan mendefinisikan μB,σ2B sebagai nilai rata-rata dan variansi dari batch yang ingin kita normalisasi, hal tersebut dapat dilakukan dengan cara:
|
|
||
| **23. It is usually done after a fully connected/convolutional layer and before a non-linearity layer and aims at allowing higher learning rates and reducing the strong dependence on initialization.** | ||
|
|
||
| ⟶Batch normalisasi biasa ditempatkan setelah sebuah layer fully-connected atau convolutional dan sebelum sebuah non-linear layer yang bertujun untuk memungkinkannya penggunaan nilai learning rate yang lebih tinggi dan mengurangi ketergantungan model pada nilai inisialisasi parameter. |
There was a problem hiding this comment.
Normalisasi batch biasa ditempatkan setelah sebuah layer yang sepenuhnya terhubung/konvolusi dan sebelum sebuah layer non-linear yang bertujuan untuk memungkinkannya penggunaan nilai learning rate yang lebih tinggi dan mengurangi ketergantungan kuat pada nilai inisialisasi parameter.
|
|
||
| **24. Recurrent Neural Networks** | ||
|
|
||
| ⟶Recurrent Neural Networks |
|
|
||
| **20. Convolutional Neural Networks** | ||
|
|
||
| ⟶Convolutional Neural Network |
There was a problem hiding this comment.
Gun ini udah gw perbaikin, bisa kita close?
There was a problem hiding this comment.
Bisa Bang kalo udah gak ada tambahan/perbaikan lagi.
|
Thank you @gitarja and @GunawanTri for all your work! @gitarja: it seems there are a few other unresolved discussions left. Please feel free to let me know whenever you are ready for the merge! |
3 participants
No description provided.