HyperAI초신경

표준

표준이는 수학의 기본 함수입니다. 이는 벡터 공간(또는 행렬)에서 벡터의 길이나 크기를 측정하는 데 자주 사용됩니다. 모델 매개변수의 규범은 정규화 함수로 사용될 수 있습니다.

규범의 속성

함수 분석에서는 표준화된 선형 공간에서 정의되며 특정 조건을 만족합니다. 즉,

1) 비부정성;
2) 동질성
3) 삼각형 부등식.

규범의 본질은 거리이며, 이는 "길이"라는 개념을 갖는 함수입니다. 일반적으로 선형대수학, 함수 해석학 및 관련 수학 분야에서 사용됩니다. 존재의 의미는 비교를 이루는 것이다. 규범은 비교할 수 없는 벡터를 비교 가능한 실수로 변환합니다.

몇 가지 일반적인 규범:

  • L0 노름: 벡터에 있는 0이 아닌 요소의 개수를 나타냅니다.
  • L1 노름: 벡터의 각 요소의 절댓값의 합을 의미합니다.
  • L2 규범: 머신 러닝에서 과적합 문제를 개선하는 데 사용됩니다.
  • 핵노름: 행렬의 특이값의 합을 말합니다.
  • 프로베니우스 노름: 수치 선형 대수학에서 자주 사용되는 행렬 노름.
부모 단어: 함수
하위 단어: L0 규범, L1 규범, L2 규범, 핵 규범, 페로베니우스 규범