Câu hỏi được gắn thẻ «deep-learning»

Những lợi thế là gì, tại sao một người sẽ sử dụng nhiều LSTM, xếp cạnh nhau, trong một mạng lưới sâu? Tôi đang sử dụng LSTM để thể hiện một chuỗi các đầu vào dưới dạng một đầu vào. Vì vậy, một khi tôi có đại diện duy nhất …

25 classification  neural-networks  deep-learning  lstm  rnn 

Tại sao các chức năng kích hoạt của các đơn vị tuyến tính chỉnh lưu (ReLU) được coi là phi tuyến tính? f( x ) = tối đa ( 0 , x )f(x)=max(0,x) f(x) = \max(0,x) Chúng là tuyến tính khi đầu vào là dương và theo hiểu biết của …

25 neural-networks  deep-learning 

Theo này và này câu trả lời, autoencoders dường như là một kỹ thuật mà sử dụng mạng thần kinh để giảm kích thước. Ngoài ra, tôi cũng muốn biết bộ giải mã tự động biến đổi là gì (sự khác biệt / lợi ích chính của nó so với …

24 machine-learning  bayesian  deep-learning  autoencoders  variational-bayes 

Tôi đang đọc về trình tối ưu hóa Adam cho Deep Learning và tình cờ thấy câu sau trong cuốn sách mới Deep Learning của Bengio, Goodfellow và Courville: Adam thường được coi là khá mạnh mẽ đối với việc lựa chọn các tham số siêu, mặc dù tốc độ …

24 neural-networks  deep-learning  optimization  hyperparameter  adam 

Trong Alex Krizhevsky, et al. Phân loại Imagenet với các mạng nơ ron tích chập sâu, chúng liệt kê số lượng tế bào thần kinh trong mỗi lớp (xem sơ đồ bên dưới). Đầu vào của mạng là 150,528 chiều, và số lượng tế bào thần kinh trong các lớp …

24 neural-networks  deep-learning  conv-neural-network 

Tôi đang cố gắng hiểu rõ hơn về mạng nơ ron tích chập bằng cách viết mã Python không phụ thuộc vào các thư viện (như Convnet hoặc TensorFlow) và tôi bị mắc kẹt trong tài liệu về cách chọn giá trị cho ma trận hạt nhân, khi thực hiện …

24 machine-learning  neural-networks  deep-learning  feature-construction  conv-neural-network 

Vì vậy, tôi đang cố gắng thực hiện sơ bộ về hình ảnh của con người bằng cách sử dụng lưới chập. Tôi đọc các giấy tờ ( Paper1 và Paper2 ) và liên kết stackoverflow này , nhưng tôi không chắc là tôi hiểu cấu trúc của lưới (nó …

23 neural-networks  deep-learning  autoencoders  deep-belief-networks 

Các cơ chế chú ý đã được sử dụng trong các bài viết Deep Learning khác nhau trong vài năm qua. Ilya Sutskever, người đứng đầu nghiên cứu tại Open AI, đã nhiệt tình khen ngợi họ: https://towardsdatascience.com/the-fall-of-rnn-lstm-2d1594c74ce0 Eugenio Culurciello tại Đại học Purdue đã tuyên bố rằng RNN và …

23 time-series  deep-learning  lstm  rnn  attention 

Có bất kỳ giấy tờ tốt bao gồm một số cách có phương pháp để chọn kích thước cho các bộ lọc, gộp các đơn vị và xác định số lượng các lớp chập không?

22 neural-networks  deep-learning  conv-neural-network 

Tôi đã nghe một cuộc nói chuyện và thấy slide này: Nó đúng như thế nào?

22 deep-learning  deep-belief-networks 

Tôi biết rằng đã có rất nhiều tiến bộ liên quan đến nhận dạng hình ảnh, phân loại hình ảnh, vv với các mạng lưới thần kinh tích hợp, sâu. Nhưng nếu tôi đào tạo một mạng trên, giả sử, hình ảnh PNG, nó sẽ chỉ hoạt động cho hình …

22 neural-networks  deep-learning  image-processing 

Tôi đã làm việc với Mạng thần kinh chuyển đổi (CNNs) một thời gian rồi, chủ yếu dựa trên dữ liệu hình ảnh để phân đoạn ngữ nghĩa / phân đoạn ngữ nghĩa. Tôi thường hình dung mức mềm của đầu ra mạng là "bản đồ nhiệt" để xem mức …

22 probability  deep-learning  conv-neural-network  uncertainty  softmax 

Lý lịch: Có, Máy Boltzmann bị hạn chế (RBM) CÓ THỂ được sử dụng để khởi tạo các trọng số của mạng thần kinh. Ngoài ra, nó có thể được sử dụng theo cách "từng lớp" để xây dựng một mạng lưới niềm tin sâu sắc (nghĩa là để đào …

21 machine-learning  neural-networks  deep-learning  deep-belief-networks  rbm 

Gần đây tôi đang nghiên cứu về các thuật toán tăng cường, chẳng hạn như adaboost, tăng cường độ dốc và tôi đã biết một thực tế rằng người học yếu được sử dụng phổ biến nhất là cây. Tôi thực sự muốn biết có một số ví dụ thành …

21 neural-networks  deep-learning  boosting  ensemble  dropout 

Chúng tôi định nghĩa kiến ​​trúc nút cổ chai là loại được tìm thấy trong bài báo ResNet , trong đó [hai lớp đối lưu 3x3] được thay thế bằng [một đối tượng 1x1, một đối tượng 3x3 và một lớp đối lưu 1x1 khác]. Tôi hiểu rằng các lớp …

21 residuals  deep-learning  conv-neural-network