Vai al contenuto principale
Moodle@Units
  • Home
  • Corsi
    Tutti i corsi Fisica Ingegneria e Architettura Matematica e Geoscienze Scienze Chimiche e Farmaceutiche Scienze Economiche, Aziendali, Matematiche e Statistiche Scienze della Vita Scienze Giuridiche, del Linguaggio, dell`Interpretazione e della Traduzione Scienze Politiche e Sociali Studi Umanistici Universitario Clinico di Scienze mediche, chirurgiche e della salute E-learning@Units Centro Linguistico di Ateneo Sistema Bibliotecario di Ateneo Amministrazione Centrale Corsi supplementari PhD - Formazione trasversale La ricerca all'Università di Trieste Guide a Moodle Servizi Disabili e DSA Percorso universitario iniziale dei docenti delle scuole secondarie di primo e secondo grado
  • Supporto
    Guida a Moodle per studenti Guida a Moodle per docenti Pagina del supporto tecnico Informativa dati personali
  • Altro
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
Ospite
Accedi
Moodle@Units
Home Corsi Minimizza Espandi
Tutti i corsi Fisica Ingegneria e Architettura Matematica e Geoscienze Scienze Chimiche e Farmaceutiche Scienze Economiche, Aziendali, Matematiche e Statistiche Scienze della Vita Scienze Giuridiche, del Linguaggio, dell`Interpretazione e della Traduzione Scienze Politiche e Sociali Studi Umanistici Universitario Clinico di Scienze mediche, chirurgiche e della salute E-learning@Units Centro Linguistico di Ateneo Sistema Bibliotecario di Ateneo Amministrazione Centrale Corsi supplementari PhD - Formazione trasversale La ricerca all'Università di Trieste Guide a Moodle Servizi Disabili e DSA Percorso universitario iniziale dei docenti delle scuole secondarie di primo e secondo grado
Supporto Minimizza Espandi
Guida a Moodle per studenti Guida a Moodle per docenti Pagina del supporto tecnico Informativa dati personali
Espandi tutto Minimizza tutto
  1. 452SM - DEEP LEARNING 2020
  2. Part I
  3. Homework 3

Homework 3

Aggregazione dei criteri
Aperto: martedì, 23 marzo 2021, 00:00
Termine consegna giovedì, 8 aprile 2021, 01:00

Note: * indicates a non-compulsory extra exercise. We won't penalize you if your notebooks won't contain solutions to these.

As for previous labs, please provide your solutions in a Jupyter Notebook, trying to interleave code cells with markdown cells to explain what you're doing (if not trivial).

1. Implement L1 norm regularization as a custom loss function
2. The third-to-last paragraph in the notebook is concerning early stopping, an "old" regularization technique which involves the stopping of training earlier than the number of epochs would suggest. Read the paragraph and download the paper from Prechelt et al.

a. Implement early stopping in the E_{opt} specification
b*. Implement early stopping in one of the additional specifications

3*. (from Lab 2) We have seen how to implement the Quadratic Loss for multinomial classification problems. Read the paper from Demirkaya et al. (in which the Quadratic Loss is introduced along with its issues) and try implementing Correct Class Quadratic Loss (CCQL) in PyTorch as well.

Contatta il supporto
Ospite (Accedi)
Ottieni l'app mobile
Powered by Moodle