Pourquoi normaliser les variables avant une descente de gradient ?

Mettre les entrées à la même échelle

Centrage et réduction rendent température, distance ou vitesse comparables pour l’optimisation.

Prédire le couple d’un axe

Millimètres et ampères sont normalisés afin que le gradient ne suive pas seulement la variable numériquement la plus grande.

Une normalisation incohérente casse l’inférence

Les mêmes statistiques et unités doivent être conservées entre entraînement et robot.

Sources et références

1. [1] Human-robot interaction — NIST

Questions liées

• Qu’est-ce que la descente de gradient en apprentissage robotique ?
• Comment le taux d’apprentissage influence-t-il une descente de gradient ?
• Quelle différence entre descente de gradient par lot et par mini-lots ?
• Comment détecter une divergence pendant l’entraînement par descente de gradient ?

Cette réponse vous a-t-elle été utile ?

OuiNon

Commentaire facultatif