Câu hỏi được gắn thẻ «neural-networks»

Về mặt biệt ngữ mạng thần kinh (y = Trọng lượng * x + thiên vị) làm thế nào tôi biết biến nào quan trọng hơn các biến khác? Tôi có một mạng lưới thần kinh với 10 đầu vào, 1 lớp ẩn với 20 nút và 1 lớp đầu …

20 machine-learning  neural-networks  bias  tensorflow  theano 

Tôi đang làm việc trên phân loại giai đoạn giấc ngủ. Tôi đọc một số bài viết nghiên cứu về chủ đề này, nhiều người trong số họ đã sử dụng phương pháp SVM hoặc tập hợp. Có phải là một ý tưởng tốt để sử dụng mạng thần kinh …

20 neural-networks  svm  conv-neural-network  signal-processing 

Tôi đã đọc giấy bình thường hóa hàng loạt (BN) (1) và không hiểu nhu cầu sử dụng đường trung bình di động để theo dõi độ chính xác của mô hình và ngay cả khi tôi chấp nhận rằng đó là điều đúng đắn, tôi không hiểu những gì …

20 machine-learning  neural-networks  deep-learning  conv-neural-network  batch-normalization 

Tôi đang cố gắng hiểu các kiến ​​trúc mạng thần kinh tái phát (RNN) khác nhau được áp dụng cho dữ liệu chuỗi thời gian và tôi hơi bối rối với các tên khác nhau thường được sử dụng khi mô tả RNN. Là cấu trúc của bộ nhớ ngắn …

19 neural-networks  lstm  rnn 

Tôi có một mô hình mạng nơ-ron sâu và tôi cần đào tạo nó trên tập dữ liệu của mình bao gồm khoảng 100.000 ví dụ, dữ liệu xác nhận của tôi chứa khoảng 1000 ví dụ. Bởi vì cần có thời gian để đào tạo từng ví dụ (khoảng …

19 neural-networks  deep-learning 

Tôi đã sử dụng theano để thử nghiệm các LSTM và đang tự hỏi phương pháp tối ưu hóa nào (SGD, Adagrad, Adadelta, RMSprop, Adam, v.v.) hoạt động tốt nhất cho các LSTM? Có bất kỳ tài liệu nghiên cứu về chủ đề này? Ngoài ra, câu trả lời có …

19 machine-learning  neural-networks  optimization  lstm 

Tôi có vấn đề rất đơn giản nhưng tôi không thể tìm thấy một công cụ phù hợp để giải quyết nó. Tôi có một số chuỗi các vectơ có cùng độ dài. Bây giờ tôi muốn huấn luyện LSTM RNN trên mẫu đào tạo các chuỗi này và sau …

19 neural-networks  python  lstm 

Tôi tò mò muốn biết nút thiên vị quan trọng như thế nào đối với hiệu quả của các mạng thần kinh hiện đại. Tôi có thể dễ dàng hiểu rằng nó có thể quan trọng trong một mạng nông chỉ với một vài biến đầu vào. Tuy nhiên, các …

19 neural-networks  deep-learning  bias-node 

RNN có thể được sử dụng để dự đoán hoặc trình tự ánh xạ trình tự. Nhưng làm thế nào RNN có thể được sử dụng để phân loại? Ý tôi là, chúng tôi đưa ra một chuỗi toàn bộ một nhãn.

19 machine-learning  neural-networks  rnn 

Tôi hiểu các lớp chập và gộp, nhưng tôi không thể thấy lý do cho một lớp được kết nối đầy đủ trong CNNs. Tại sao lớp trước không được kết nối trực tiếp với lớp đầu ra?

19 neural-networks  deep-learning  conv-neural-network 

Để sử dụng SVM hoặc Mạng thần kinh, nó cần chuyển đổi (mã hóa) các biến phân loại thành các biến số, phương pháp bình thường trong trường hợp này là sử dụng các giá trị nhị phân 0-1 với giá trị phân loại thứ k được chuyển đổi thành …

19 machine-learning  neural-networks  categorical-data  svm  categorical-encoding 

Tôi thường nghe mọi người nói về mạng lưới thần kinh như một cái hộp đen mà bạn không hiểu ý nghĩa của nó hoặc ý nghĩa của chúng. Tôi thực sự không thể hiểu ý của họ là gì! Nếu bạn hiểu cách truyền ngược hoạt động, thì nó …

19 machine-learning  neural-networks 

Tôi đã có một sự nhầm lẫn nhỏ về thuật toán backpropagation được sử dụng trong perceptionron đa lớp (MLP). Lỗi được điều chỉnh bởi hàm chi phí. Trong backpropagation, chúng tôi đang cố gắng điều chỉnh trọng lượng của các lớp ẩn. Lỗi đầu ra tôi có thể hiểu, …

19 machine-learning  neural-networks  backpropagation 

Các giáo sư vật lý của tôi ở trường cấp ba, cũng như Feynman, người đoạt giải Cao quý, sẽ luôn trình bày những gì họ gọi là mô hình đồ chơi để minh họa các khái niệm và phương pháp cơ bản trong vật lý, như dao động điều …

18 machine-learning  neural-networks  deep-learning 

Tôi đang cố gắng hiểu ý nghĩa toán học của các mô hình phân loại phi tuyến tính: Tôi vừa đọc một bài báo nói về mạng lưới thần kinh là một mô hình phân loại phi tuyến tính. Nhưng tôi chỉ nhận ra rằng: Lớp đầu tiên: h1=x1∗wx1h1+x2∗wx1h2h1=x1∗wx1h1+x2∗wx1h2h_1=x_1∗w_{x1h1}+x_2∗w_{x1h2} h2=x1∗wx2h1+x2∗wx2h2h2=x1∗wx2h1+x2∗wx2h2h_2=x_1∗w_{x2h1}+x_2∗w_{x2h2} …

18 neural-networks  nonlinear-regression  nonlinear