GRADIENT DESCENT Meaning in Japanese - translations and usage examples

• 勾配降下法を
• gradient descent
• 勾配降下法の

Examples of using Gradient descent in English and their translations into Japanese

Gradient descent can be used.
Gradientdescent）を適用することで得られる。

Effects of Stochastic gradient descent settings.
確率的勾配降下法の設定の影響。

Why gradient descent when we can solve linear regression analytically.
解析的に線形回帰を解くことができるとき、なぜ勾配降下するのか？

A parameter optimization method, known as the stochastic gradient descent method.
確率的勾配降下法と呼ばれるパラメーター最適化手法の1つ。

This first time we ran gradient descent, we were starting at this point over here.
この地点から始めました。さて、最急降下法を実行する時に、。

Anyone who starts investigating ML quickly encounters the somewhat mysterious phrase“gradient descent.”.
MLについて研究を始めると、すぐに「勾配降下」というややミステリアスな言葉に出会います。

I will tell you about another trick to make gradient descent work well in practice.
勾配降下法をより良く機能させるもう一つのトリックを紹介する。

In gradient descent, you know, when computing derivatives, we're computing these sums, this sum of.
偏微分を計算する時、これらの和を計算する。つまり勾配降下法の。

With this background in place, actually implementing gradient descent is extremely straightforward.
この背景を押さえた上で、あとは勾配降下法を実装するのみ。これは簡単である。

Stochastic gradient descent(SGD) in contrary, does this for each training example within the dataset.
Stochasticgradientdescent（SGD）はそれに反してパラメーターの更新をtrainingデータとラベルごとに行います。

Learning long-term dependencies with gradient descent is difficult.”.
タイトルは、"LearningLong-TermDependencieswithGradientDescentisDifficult"。

Two related variations of basic gradient descent that are often used with logistic regression classifiers are called BFGS and L-BFGS.
ロジスティック回帰分類でよく使用される基本的な勾配降下法の2つの関連するバリエーションは、BFGSおよびL-BFGSと呼ばれます。

Note that this is slightly different from the definition of error that's the basis of the gradient descent weight update rule.
これは、勾配降下重み更新ルールの基礎である誤差定義と少し異なっていることに注意してください。

What we're going to do is apply gradient descent to minimize our squared error cost function.
勾配降下法を、二乗誤差のコスト関数を最小化するために適用する、という事。勾配降下法を。

The choice of network architecture has a major effect how the solution space is searched by methods such as gradient descent.
ネットワークアーキテクチャの選択が、勾配降下法(gradientdescent)などのメソッドによるソリューション空間の検索方法に大きく影響します。

Started at that point over here. Now imagine, we initialize gradient descent just a couple steps to the right.
ほんの数歩ほど右の地点から始めたと想像してください。最急降下法の初期値が。

Mini-batch gradient descent considers the best of both worlds and performs an update for every mini-batch of n training examples:.
Mini-batchgradientdescentは二つの長所を取り、mini-batchごとn個のtrainingexamplesに対して更新を行います。

Online learning capabilities such as Stochastic Gradient Descent(SGD) algorithm implementation.
StochasticGradientDescent(SGD)アルゴリズムのようなオンライン学習機能の実装。

You must, when implementing gradient descent, there's actually there's detail that, you know, you should be implementing it so the update theta zero and theta one simultaneously.
勾配降下法を実装する時は実装の詳細な話だが、シータ0とシータ1を同時に更新するように。

Adagrad is one of the popular optimization technique, and probably SGD(Stochastic Gradient Descent) is the most famous optimization method.
Adagradはよく使われる最適化のテクニックの一つで有り、おそらくSGD(StochasticGradientDescent)が最も使われている最適化手法かと思います。

In previous videos, we talked about the gradient descent algorithm and talked about the linear regression model and the squared error cost function.
勾配降下法のアルゴリズムについて話し、線形回帰のモデルと二乗誤差のコスト関数についても話した。

The new ranking technology is based on neural net, which was discussed by Microsoft in a research paper headed by Chris Burges titled Learning to Rank using Gradient Descent.
この、NeuralNetworkTechnologyですが、Microsoft ResearchのChrisBurges氏が書いた論文"LearningtoRankusingGradientDescent"にRankNetという呼称で記述されています。

Style reconstruction is also executed via gradient descent. The loss function includes only the style loss.
スタイルの再構成においても勾配降下法が用いられます．損失関数はスタイル損失のみで構成されています．。

A problem with using gradient descent for standard RNNs is that error gradients vanish exponentially quickly with the size of the time lag between important events.
標準的なRNNに対して最急降下法を使用することの問題点は、誤差勾配が重要な事象間の時間のずれの大きさにしたがって指数関数的にすばやく消失することである。

So if alpha is very large, then that corresponds to a very aggressive gradient descent procedure, where we're trying to take huge steps downhill.
非常に積極的な最急降下法のやり方となり、大きなステップで降下します。もしalphaが非常に小さければ、小刻みなステップで降下していくことになります。

For content reconstruction, we perform gradient descent on a white noise image to find another image that matches the feature responses of the original image. That is, the loss function is.
コンテンツの再構成においては，ホワイトノイズ画像に対する勾配降下法を実行し，オリジナル画像の特徴マップ出力とマッチする画像を探索します．すなわち，損失関数は次のようになります．。