Câu hỏi được gắn thẻ «deep-learning»

một lĩnh vực mới của nghiên cứu Machine Learning liên quan đến các công nghệ được sử dụng để học biểu diễn dữ liệu phân cấp, chủ yếu được thực hiện với các mạng thần kinh sâu (tức là các mạng có hai hoặc nhiều lớp ẩn), nhưng cũng có một số Mô hình đồ họa xác suất.


2
Có sự đồng thuận nào trong việc lựa chọn cách tiếp cận ML phù hợp không?
Hiện tại tôi đang nghiên cứu khoa học dữ liệu và chúng tôi được dạy rất nhiều kỹ thuật phân loại / hồi quy cơ bản (tuyến tính, logistic, cây, spline, ANN, SVM, MARS, v.v.), cùng với nhiều các công cụ bổ sung (bootstrapping, boosting, bagging, đồng phục, sườn núi …






3
Tại sao hàm logistic sử dụng e chứ không phải 2?
chức năng sigmoid có thể được sử dụng làm chức năng kích hoạt trong học máy. S(x)=11+e−x=exex+1.S(x)=11+e−x=exex+1.{\displaystyle S(x)={\frac {1}{1+e^{-x}}}={\frac {e^{x}}{e^{x}+1}}.} Nếu thay e bằng 2, def sigmoid2(z): return 1/(1+2**(-z)) x = np.arange(-9,9,dtype=float) y = sigmoid2(x) plt.scatter(x,y) cốt truyện có vẻ tương tự Tại sao hàm logistic sử dụng chứ không …


4
Vấn đề độ dốc biến mất có thể được giải quyết bằng cách nhân đầu vào của tanh với một hệ số không?
Theo hiểu biết của tôi, vấn đề độ dốc biến mất xảy ra khi đào tạo mạng nơ ron khi độ dốc của mỗi chức năng kích hoạt nhỏ hơn 1 sao cho khi hiệu chỉnh được truyền ngược qua nhiều lớp, sản phẩm của các gradient này trở nên …






Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.