Câu hỏi được gắn thẻ «neural-networks»

Tôi đang cố gắng đào tạo một mạng lưới thần kinh sâu để phân loại, sử dụng lan truyền ngược. Cụ thể, tôi đang sử dụng một mạng nơ ron tích chập để phân loại hình ảnh, sử dụng thư viện Tensor Flow. Trong quá trình đào tạo, tôi gặp …

10 machine-learning  classification  neural-networks  conv-neural-network  tensorflow 

Giả sử tôi có một mạng nơ ron một lớp đơn giản, với n đầu vào và một đầu ra duy nhất (nhiệm vụ phân loại nhị phân). Nếu tôi đặt hàm kích hoạt trong nút đầu ra là hàm sigmoid- thì kết quả là phân loại hồi quy logistic. …

10 neural-networks  svm 

Các vấn đề phân loại với các ranh giới phi tuyến có thể được giải quyết bằng một tri giác đơn giản . Mã R sau đây dành cho mục đích minh họa và dựa trên ví dụ này trong Python): nonlin <- function(x, deriv = F) { if (deriv) …

10 r  neural-networks  svm  kernel-trick  perceptron 

Tôi đang xem hàm chi phí entropy chéo được tìm thấy trong hướng dẫn này : C=−1n∑x[ylna+(1−y)ln(1−a)]C=−1n∑x[yln⁡a+(1−y)ln⁡(1−a)]C = -\frac{1}{n} \sum_x [y \ln a+(1−y)\ln(1−a)] Chính xác thì chúng ta đang tổng kết những gì? Đó là, tất nhiên, trên , nhưng và không thay đổi với . Tất cả các là …

10 neural-networks  error-propagation 

Tôi đã tự hỏi nếu có thể đào tạo một SVM (nói một tuyến tính, để làm cho mọi thứ dễ dàng) bằng cách sử dụng backpropagation? Hiện tại, tôi đang ở trên một con đường, bởi vì tôi chỉ có thể nghĩ về việc viết đầu ra của trình …

10 machine-learning  neural-networks  svm  gradient-descent  backpropagation 

Tôi hiểu rằng các mạng thần kinh (NN) có thể được coi là các xấp xỉ phổ quát cho cả chức năng và các dẫn xuất của chúng, theo các giả định nhất định (trên cả mạng và chức năng để tính gần đúng). Trên thực tế, tôi đã thực …

10 machine-learning  neural-networks  function  derivative 

Tôi hiểu rằng sơ tuyển được sử dụng để tránh một số vấn đề với đào tạo thông thường. Nếu tôi sử dụng backpropagation, giả sử là một bộ mã hóa tự động, tôi biết rằng tôi sẽ gặp phải các vấn đề về thời gian bởi vì backpropagation chậm …

10 machine-learning  neural-networks  backpropagation  rbm  pre-training 

Trong tác vụ thị giác máy tính, chẳng hạn như phân loại đối tượng, với Mạng thần kinh chuyển đổi (CNN), mạng cung cấp một hiệu suất hấp dẫn. Nhưng tôi không chắc làm thế nào để thiết lập các tham số trong các lớp chập. Ví dụ, một ảnh …

10 neural-networks  deep-learning  conv-neural-network  computer-vision 

Tôi đã nghe một chút về việc sử dụng các mạng thần kinh để dự báo chuỗi thời gian. Làm cách nào tôi có thể so sánh, phương pháp nào để dự báo chuỗi thời gian của tôi (dữ liệu bán lẻ hàng ngày) tốt hơn: auto.arima (x), ets (x) …

10 r  neural-networks  forecasting  arima  exponential-smoothing 

Tôi chưa quen với phân tích sinh tồn và gần đây tôi đã học được rằng có nhiều cách khác nhau để thực hiện nó với một mục tiêu nhất định. Tôi quan tâm đến việc thực hiện thực tế và sự phù hợp của các phương pháp này. Tôi …

10 r  machine-learning  survival  neural-networks  cox-model 

Tôi đã đến một tình huống mà trọng lượng của Mạng thần kinh của tôi không hội tụ ngay cả sau 500 lần lặp. Mạng thần kinh của tôi chứa 1 Lớp đầu vào, 1 Lớp ẩn và 1 Lớp đầu ra. Chúng có khoảng 230 nút trong lớp đầu …

10 machine-learning  neural-networks 

Cả hàm logistic và độ lệch chuẩn thường được ký hiệu là . Tôi sẽ sử dụng và cho độ lệch chuẩn.σσ\sigmaσ(x)=1/(1+exp(−x))σ(x)=1/(1+exp⁡(−x))\sigma(x) = 1/(1+\exp(-x))sss Tôi có một neuron hậu cần với một đầu vào ngẫu nhiên mà có nghĩa là và độ lệch chuẩn tôi biết. Tôi hy vọng sự …

10 distributions  normal-distribution  neural-networks  mathematical-statistics  expected-value 

Trong các bài báo AlphaGo Zero và AlphaZero của DeepMind , họ mô tả việc thêm tiếng ồn Dirichlet vào xác suất hành động trước đó từ nút gốc (trạng thái bảng) trong Tìm kiếm trên cây Monte Carlo: Việc thăm dò bổ sung đạt được bằng cách thêm nhiễu …

10 machine-learning  neural-networks  dirichlet-distribution 

Trong bài báo gần đây của WaveNet , các tác giả đề cập đến mô hình của họ là có các lớp kết hợp giãn nở. Họ cũng tạo ra các biểu đồ sau, giải thích sự khác biệt giữa các kết cấu 'thông thường' và các kết luận giãn. …

10 neural-networks  deep-learning  conv-neural-network  tensorflow 

Tôi đã đọc về các SVM và được biết rằng họ đang giải quyết một vấn đề tối ưu hóa và ý tưởng lề tối đa là rất hợp lý. Bây giờ, bằng cách sử dụng hạt nhân, họ có thể tìm thấy các ranh giới phân tách phi tuyến …

10 machine-learning  neural-networks  svm  deep-learning  kernel-trick