मैं आपके साथ एक दिलचस्प बात तय करना चाहता हूं: Google पत्रक में एक तंत्रिका नेटवर्क को प्रशिक्षित करने का प्रयास करें। किसी भी मैक्रोज़ और अन्य हैक्स के बिना, स्वच्छ सूत्रों पर।

अस्वीकरण: यह "एक्सेल में सब कुछ किया जा सकता है" का एक उदाहरण है। मशीन लर्निंग के लिए कई अन्य अधिक उपयुक्त उपकरण हैं।

, : . : . .

, . , 1 2, , .

( ) , , .

, . . — , . MSE. , , .

MSE — , . . , , — , . MSE , .

: SUM(ARRAYFORMULA(POW(Data!$A$2:$A*$A4 + Data!$B$2:$B*$B4 - Data!$D$2:$D, 2)))/COUNT(Data!$A$2:$A)

: POW(Data!$A$2:$A*$A4 + Data!$B$2:$B*$B4 - Data!$D$2:$D, 2) . ARRAYFORMULA . , . AVERAGE, ARRAYFORMULA .

. ; , , . : $$$(x_1*w_1 + x_2*w_2 - y)*x_i$, $$$i$— , .

: SUM(ARRAYFORMULA((Data!$A$2:$A*$A4 + Data!$B$2:$B*$B4 - Data!$D$2:$D)*Data!$A$2:$A))/COUNT(Data!$A$2:$A) — , .

. . , .

:

, , . — , . , h = 2:

, , . !

y2, , y:

( , ):

. — , — . .
:

• w1 — . w1_1_1, w1_1_2, w1_2_1 w1_2_2
• w2 — . w2_1 w2_2

:

• $$$x$— ,
• $$$y_t$—
• $$$L = \sigma(W_1x^T) = \frac{1}{1-e^{W_1x^T}}$— ,
• $$$y = W_2L$— -
• $$$\delta_{out} = y - y_t^T$— -
• $$$\Delta W_2 = \delta_{out} L^T$—
• $$$\delta_1 = W_2^T \delta_{out} \odot \sigma'(W_1x^T)$, $$$\odot$— .
• $$$\Delta W_1 = \delta_1 x$—

:

• $$$\Delta W_2 = (W_2\frac{1}{1-e^{W_1x^T}} - y_t^T) \frac{1}{1-e^{W_1x^T}}^T$
• $$$\Delta W_1 = (W_2^T (W_2\frac{1}{1-e^{W_1x^T}} - y_t^T) \odot \frac{1}{1-e^{W_1x^T}} \odot (1-\frac{1}{1-e^{W_1x^T}})) x$

, , .

. , . JOIN(",",{1,2,3}) "1,2,3", SPLIT("1,2,3", ",") .

. , JOIN . ARRAYFORMULA . , , , .

$$$\delta_1$$$$L$— (2, n). , — . , :

1. , . .
2. , $$$\delta_1$$$$L$: n .

. , .

! :

:

• : FILTER(Data!$A$2:$B, NOT(ISBLANK(Data!$A$2:$A))) — , . .
• INDEX . delta_w1_1_2 1,2 .
• : , . , .

w2_1, :

: MSE, :

MSE , .

. MSE 0.025 (51- ), — 0.020 (51- ). ( , ): MSE = 0.025. , , . !

: https://docs.google.com/spreadsheets/d/17gnn1kMdznEuScOsotOhrIbqMSpDLEFxkCee9Z27jRU/edit?usp=sharing

- : https://t.me/just_go_right_ahead_and_do_it

P.S. LINEST, ( ) , . w2, w1, bias, x1, x2:

, : https://support.google.com/docs/answer/3094249?hl=en. , . .