Запитання з тегом «neural-networks»

Рідке кодування визначається як вивчення надмірно повного набору базових векторів для представлення вхідних векторів (<- чому ми цього хочемо). Які відмінності між розрідженим кодуванням та автокодером? Коли ми будемо використовувати розріджене кодування та автокодер?

35 machine-learning  neural-networks  unsupervised-learning  deep-learning  autoencoders 

Я прочитав кілька робіт, де обговорювалися плюси і мінуси кожного методу, дехто стверджував, що GA не покращує пошук оптимального рішення, а інші показують, що він є більш ефективним. Здається, GA, як правило, є кращим у літературі (хоча в основному люди модифікують його якимось чином, щоб досягти необхідних результатів), то чому, …

34 neural-networks  genetic-algorithms  backpropagation 

Вони, схоже, представляють випадкові змінні вузлами та (в) залежності через (можливо, спрямовані) ребра. Мене особливо цікавить байєсівська точка зору.

34 causality  neural-networks  multilevel-analysis  graphical-model 

Хтось бачив якусь літературу про попередню підготовку в глибокій згортковій нейронній мережі? Я бачив лише непідготовлену попередню підготовку в автоінкодерах або машинах з обмеженим набором болцманів.

33 machine-learning  neural-networks  deep-learning  conv-neural-network  autoencoders 

Я новачок у моделюванні нейронних мереж, але мені вдалося створити нейронну мережу з усіма доступними точками даних, яка добре відповідає спостережуваним даним. Нейронна мережа була виконана в R за допомогою пакету nnet: require(nnet) ##33.8 is the highest value mynnet.fit <- nnet(DOC/33.80 ~ ., data = MyData, size = 6, decay …

33 r  neural-networks 

У мене є набір потокових даних, приклади доступні по одному. Мені потрібно було б зробити їх класичну класифікацію. Як тільки я подав навчальний приклад навчальному процесу, я мушу відкинути приклад. Одночасно я також використовую найновішу модель для прогнозування даних без маркування. Наскільки я знаю, нейронна мережа здатна здійснювати потокове навчання, …

33 machine-learning  svm  neural-networks 

У курсі " Нейронні мережі та глибоке навчання" Ендрю Нґ на "Coursera" він говорить, що використання майже завжди краще використовувати .t a n hтангодtanhs i gмо я дсiгмоiгsigmoid Причина, яку він наводить, полягає в тому, що результати, що використовують центр навколо 0, а не 0,5, і це "трохи спрощує навчання …

33 machine-learning  neural-networks  backpropagation  sigmoid-curve 

Я читаю на https://en.wikipedia.org/wiki/Generative_adversarial_networks : [Генеральні змагальні мережі] були представлені Ian Goodfellow та ін у 2014 році. але Юрген Шмідхубер стверджує, що раніше проводив подібну роботу в цьому напрямку (наприклад, під час навчального посібника з генеральних змагальних мереж було проведено дебати на NIPS 2016: https://channel9.msdn.com/Events/Neural-Information-Processing-Systems- Конференція / Нейро-Інформаційно-обробні системи-Конференція-NIPS-2016 / …

32 neural-networks  history  gan 

Я абсолютно новачок у нейронних мережах, але дуже зацікавлений у їх розумінні. Однак починати зовсім непросто. Хто-небудь може порекомендувати гарну книгу чи будь-який інший ресурс? Чи потрібно читати? Я вдячний за будь-яку пораду.

32 machine-learning  neural-networks  references 

Як ми пояснимо різницю між логістичною регресією та нейронною мережею для аудиторії, яка не має статистики?

32 logistic  neural-networks 

Комп’ютери вже давно вміють грати в шахи, використовуючи техніку "грубої сили", шукаючи певну глибину і потім оцінюючи позицію. Комп'ютер AlphaGo, однак, використовує лише ANN для оцінки позицій (наскільки я не знаю, він не здійснює глибокого пошуку). Чи можливо створити шаховий двигун, який грає в шахи так само, як AlphaGo грає …

32 neural-networks  deep-learning  reinforcement-learning  games 

Фон вступу Всередині конвертної нейронної мережі ми зазвичай маємо загальну структуру / потік, яка виглядає так: вхідне зображення (тобто 2D вектор x) (1-й згортковий шар (Conv1) починається тут ...) включають набір фільтрів ( w1) вздовж двовимірного зображення (тобто виконайте z1 = w1*x + b1множення крапкового продукту), де z1є 3D, і …

32 neural-networks  deep-learning  conv-neural-network 

Я працював над проблемою регресії, де вводом є зображення, а мітка - це постійне значення між 80 і 350. Зображення містять деякі хімічні речовини після реакції. Колір, який виявляється, вказує на концентрацію іншого хімічного речовини, що залишився, і ось що виводить модель - концентрацію цієї хімічної речовини. Зображення можна обертати, …

32 regression  machine-learning  neural-networks  conv-neural-network  tensorflow 

Я вивчав LSTM деякий час. Я на високому рівні розумію, як все працює. Тим НЕ менше, збирається реалізувати їх з допомогою Tensorflow я помітив , що BasicLSTMCell вимагає кількість одиниць (тобто num_units) параметра. З цього дуже ретельного пояснення LSTM я зрозумів, що одна одиниця LSTM - це одне з наступних …

32 neural-networks  terminology  lstm  rnn  tensorflow 

Чому ми використовуємо випрямлені лінійні одиниці (ReLU) з нейронними мережами? Як це покращує нейронну мережу? Чому ми говоримо, що ReLU - це функція активації? Чи не функція активації softmax для нейронних мереж? Я здогадуюсь, що ми використовуємо обидва, ReLU та softmax, як це: нейрон 1 з виведенням softmax ----> ReLU …

31 neural-networks