Câu hỏi được gắn thẻ «neural-networks»

Làm thế nào để bạn giải thích một đường cong sống sót từ mô hình nguy cơ tỷ lệ cox? Trong ví dụ về đồ chơi này, giả sử chúng ta có mô hình nguy hiểm theo tỷ lệ cox trên agebiến trong kidneydữ liệu và tạo đường cong sinh …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

Tôi đang đào tạo một mạng nơ ron tích chập đơn giản để hồi quy, trong đó nhiệm vụ là dự đoán vị trí (x, y) của một hộp trong một hình ảnh, ví dụ: Đầu ra của mạng có hai nút, một cho x và một cho y. Phần …

9 machine-learning  neural-networks  optimization  deep-learning  loss-functions 

Như nhiều người khác có, tôi thấy các tài nguyên ở đây và ở đây vô cùng hữu ích để hiểu các tế bào LSTM. Tôi tự tin Tôi hiểu cách các giá trị chảy và được cập nhật, và tôi đủ tự tin để thêm "kết nối lổ nhìn …

9 machine-learning  neural-networks  lstm  rnn 

Tôi đang giải quyết các vấn đề trong bài tập viết sâu của lớp học NLP Stanford http://cs224d.stanford.edu/assocate1/assocate1_soln Tôi đang cố gắng để hiểu câu trả lời cho 3a nơi họ đang tìm kiếm đạo hàm cho vectơ cho từ trung tâm. Giả sử bạn được cung cấp một vectơ …

9 self-study  neural-networks  backpropagation  word2vec 

Đã đóng cửa. Câu hỏi này không đúng chủ đề . Nó hiện không chấp nhận câu trả lời. Bạn muốn cải thiện câu hỏi này? Cập nhật câu hỏi để nó thuộc chủ đề cho Xác thực chéo. Đóng cửa 10 tháng trước . Tôi cần áp dụng chức …

9 neural-networks  scikit-learn  multi-class  softmax 

Bối cảnh: Tôi đang sử dụng xấp xỉ giá trị Q của Mạng thần kinh trong nhiệm vụ học tập củng cố của mình. Cách tiếp cận hoàn toàn giống như một mô tả trong câu hỏi này , tuy nhiên bản thân câu hỏi là khác nhau. Theo cách …

9 machine-learning  neural-networks  reinforcement-learning  q-learning 

Câu hỏi của tôi liên quan đến mối quan hệ giữa giả thuyết mã hóa hiệu quả được nêu trên trang Wikipedia về thuật toán học mã hóa hiệu quả và mạng thần kinh. Mối quan hệ giữa giả thuyết mã hóa hiệu quả và mạng lưới thần kinh là …

9 neural-networks  information-theory 

Tôi đang tìm hiểu về học tập sâu (cụ thể là CNN) và cách nó thường đòi hỏi rất nhiều dữ liệu để ngăn chặn quá mức. Tuy nhiên, tôi cũng đã được thông báo rằng mô hình có công suất càng cao / càng nhiều tham số thì càng …

9 machine-learning  neural-networks  deep-learning  conv-neural-network 

Giả sử tôi muốn đào tạo một mạng lưới thần kinh sâu để thực hiện phân loại hoặc hồi quy, nhưng tôi muốn biết dự đoán sẽ tự tin đến mức nào. Làm thế nào tôi có thể đạt được điều này? Ý tưởng của tôi là tính toán entropy …

9 machine-learning  neural-networks 

Vấn đề là: Lấy độ dốc liên quan đến lớp đầu vào cho mạng thần kinh một lớp ẩn đơn bằng cách sử dụng sigmoid cho đầu vào -> hidden, softmax cho hidden -> đầu ra, với mất entropy chéo. Tôi có thể vượt qua hầu hết các công cụ …

9 neural-networks  gradient 

Theo "Backprop hiệu quả" của LeCun et al (1998) , tốt hơn hết là bình thường hóa tất cả các đầu vào sao cho chúng tập trung quanh 0 và nằm trong phạm vi của đạo hàm bậc hai tối đa. Vì vậy, ví dụ, chúng tôi sẽ sử dụng …

9 machine-learning  neural-networks  normalization  deep-learning  multidimensional-scaling 

Tôi đang cố gắng để hiểu kiến ​​trúc của RNNs. Tôi đã tìm thấy hướng dẫn này rất hữu ích: http://colah.github.io/posts/2015-08-Under Hiểu-LSTMs / Đặc biệt là hình ảnh này: Làm thế nào để điều này phù hợp với một mạng chuyển tiếp? Có phải hình ảnh này chỉ là một …

9 neural-networks  lstm 

Các mạng tự động mã hóa dường như phức tạp hơn các mạng MLP phân loại bình thường. Sau nhiều lần thử sử dụng Lasagne, tất cả những gì tôi nhận được ở đầu ra được xây dựng lại là thứ gì đó giống với mức trung bình mờ nhất …

9 machine-learning  neural-networks  dimensionality-reduction  unsupervised-learning  autoencoders 

Trong CNN, chúng tôi sẽ tìm hiểu các bộ lọc để tạo bản đồ tính năng trong lớp chập. Trong Autoencoder, đơn vị ẩn duy nhất của mỗi lớp có thể được coi là bộ lọc. Sự khác biệt giữa các bộ lọc đã học trong hai mạng này là …

9 machine-learning  neural-networks  conv-neural-network  autoencoders 

Tôi có đầu vào cực kỳ thưa thớt, ví dụ như vị trí của một số tính năng nhất định trong hình ảnh đầu vào. Hơn nữa mỗi tính năng có thể có nhiều phát hiện (không chắc điều này có ảnh hưởng đến thiết kế của hệ thống không). …

9 neural-networks  deep-learning  sparse