Câu hỏi được gắn thẻ «neural-networks»

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 

Về cơ bản, câu hỏi của tôi là trong Perceptionron đa lớp, perceptron được sử dụng với chức năng kích hoạt sigmoid. Vì vậy, trong quy tắc cập nhật được tính nhưy^y^\hat{y} y^=11+exp(−wTxi)y^=11+exp⁡(−wTxi)\hat{y} = \frac{1}{1+\exp(-\mathbf{w}^T\mathbf{x}_i)} Perceptron "sigmoid" này khác với hồi quy logistic như thế nào? Tôi có thể nói …

21 logistic  classification  neural-networks  gradient-descent  perceptron 

Tôi muốn biết nếu có tồn tại một mã để đào tạo một mạng lưới thần kinh tích chập để thực hiện phân loại chuỗi thời gian. Tôi đã thấy một số bài báo gần đây ( http://www.fer.unizg.hr/_doad/reposeective/KDI-Djalto.pdf ) nhưng tôi không chắc liệu có tồn tại một cái gì …

21 time-series  classification  neural-networks  conv-neural-network 

Đối với mô hình tuyến tính , thuật ngữ co rút luôn là .y=β0+xβ+εy=β0+xβ+εy=\beta_0+x\beta+\varepsilonP(β)P(β)P(\beta) Lý do nào khiến chúng tôi không thu hẹp thuật ngữ (chặn) sai lệch ? Chúng ta có nên thu hẹp thuật ngữ thiên vị trong các mô hình mạng thần kinh?β0β0\beta_0

21 regression  neural-networks  ridge-regression  intercept  shrinkage 

Một hạn chế của các thuật toán mạng thần kinh tiêu chuẩn (như backprop) là bạn phải đưa ra quyết định thiết kế về số lượng lớp ẩn và nơ-ron mỗi lớp mà bạn muốn. Thông thường, tỷ lệ học tập và khái quát hóa rất nhạy cảm với những …

21 neural-networks 

Ở đây, hãy xem: Bạn có thể thấy chính xác nơi dữ liệu đào tạo kết thúc. Dữ liệu đào tạo đi từ đến 1−1−1-1111 . Tôi đã sử dụng Keras và một mạng lưới dày đặc 1-100-100-2 với kích hoạt tanh. Tôi tính kết quả từ hai giá trị, …

21 regression  neural-networks  python  keras 

Câu hỏi này đã có câu trả lời ở đây : Làm thế nào có thể thay đổi trong chức năng chi phí là tích cực? (1 câu trả lời) Tôi nên làm gì khi mạng lưới thần kinh của tôi không học? (5 câu trả lời) Đóng cửa tháng …

21 machine-learning  neural-networks  loss-functions  rnn  training-error 

Người ta thường đề cập rằng các đơn vị tuyến tính chỉnh lưu (ReLU) có các đơn vị phần mềm thay thế bởi vì chúng là tuyến tính và nhanh hơn để tính toán. Liệu softplus nó vẫn có lợi thế gây ra sự thưa thớt hay bị hạn chế …

21 machine-learning  neural-networks 

Áp dụng hàm softmax trên một vectơ sẽ tạo ra "xác suất" và các giá trị trong khoảng từ 000 đến 111 . Nhưng chúng ta cũng có thể chia mỗi giá trị cho tổng của vectơ và điều đó sẽ tạo ra xác suất và giá trị trong khoảng …

20 machine-learning  neural-networks  softmax 

Trong triển khai ResNet của Tensorflow , tôi thấy họ sử dụng trình khởi tạo tỷ lệ phương sai, tôi cũng thấy trình khởi tạo xavier là phổ biến. Tôi không có quá nhiều kinh nghiệm về điều này, cái nào tốt hơn trong thực tế?

20 machine-learning  neural-networks  deep-learning  conv-neural-network  tensorflow 

Tôi đang làm việc với Mô hình tuyến tính phân cấp Bayes , ở đây mạng mô tả nó. đại diện cho doanh số hàng ngày của một sản phẩm trong siêu thị (quan sát).YYY là một ma trận các biến hồi quy đã biết, bao gồm giá cả, chương …

20 regression  bayesian  neural-networks  generalized-linear-model  bayesian-network 

Tôi đang đào tạo một mạng lưới thần kinh (chi tiết không quan trọng) trong đó dữ liệu đích là một vectơ góc (trong khoảng từ 0 đến 2 * pi). Tôi đang tìm kiếm lời khuyên về cách mã hóa dữ liệu này. Đây là những gì tôi hiện …

20 neural-networks  circular-statistics 

Tôi có một mạng lưới thần kinh được thiết lập để dự đoán một cái gì đó trong đó biến đầu ra là thứ tự. Tôi sẽ mô tả bên dưới bằng ba kết quả đầu ra có thể A <B <C. Một cách khá rõ ràng là làm thế …

20 neural-networks  ordinal-data  softmax 

Trong đào tạo mạng lưới thần kinh sâu và nông, tại sao các phương pháp gradient (ví dụ: độ dốc gốc, Nesterov, Newton-Raphson) thường được sử dụng, trái ngược với các siêu dữ liệu khác? Theo siêu dữ liệu, ý tôi là các phương pháp như ủ mô phỏng, tối …

20 neural-networks  optimization  deep-learning  gradient-descent  backpropagation 

Tại sao backpropagation không hoạt động khi bạn khởi tạo tất cả trọng số có cùng giá trị (giả sử 0,5), nhưng hoạt động tốt khi được cung cấp các số ngẫu nhiên? Không nên thuật toán tính toán lỗi và làm việc từ đó, mặc dù thực tế là …

20 machine-learning  neural-networks  backpropagation