Câu hỏi được gắn thẻ «optimization»

Các pro & nhược điểm của cả hai phương pháp là gì?

16 maximum-likelihood  predictive-models  optimization  gradient-descent 

Nếu chúng ta bắt đầu với một tập hợp dữ liệu , áp dụng Lasso cho nó và thu được giải pháp β L , chúng ta có thể áp dụng Lasso một lần nữa cho tập dữ liệu ( X S , Y ) , trong đó S là …

16 regression  optimization  lasso  regularization  shrinkage 

Câu hỏi của tôi là: Các mô hình tuyến tính tổng quát (GLM) có được đảm bảo hội tụ đến mức tối đa toàn cầu không? Nếu vậy, tại sao? Hơn nữa, có những ràng buộc nào trên hàm liên kết để đảm bảo độ lồi? Sự hiểu biết của …

16 generalized-linear-model  optimization  convergence  exponential-family 

Tôi cần tìm tối thiểu của một chức năng. Đọc tài liệu tại http://docs.scipy.org/doc/scipy/reference/optizes.html Tôi thấy rằng có một số thuật toán thực hiện cùng một điều, tức là tìm mức tối thiểu. Làm thế nào để tôi biết tôi nên chọn cái nào? một số thuật toán được liệt …

16 optimization 

Có nhiều tài liệu nhấn mạnh phương pháp Tối đa hóa kỳ vọng trên các mô hình hỗn hợp (Hỗn hợp của Gaussian, Mô hình Markov ẩn, v.v.). Tại sao EM lại quan trọng? EM chỉ là một cách để tối ưu hóa và không được sử dụng rộng rãi …

15 machine-learning  optimization  expectation-maximization  gaussian-mixture 

Tiêu chuẩn Gradient Descent sẽ tính toán độ dốc cho toàn bộ tập dữ liệu đào tạo. for i in range(nb_epochs): params_grad = evaluate_gradient(loss_function, data, params) params = params - learning_rate * params_grad Đối với số lượng epoch được xác định trước, trước tiên, chúng tôi tính toán vectơ gradient …

15 machine-learning  optimization  gradient-descent  computational-statistics  sgd 

Tôi đã thử nghiệm một chút với các triển khai Perceptron khác nhau và muốn chắc chắn rằng tôi có hiểu đúng "các lần lặp" không. Quy tắc tri giác ban đầu của Rosenblatt Theo như tôi hiểu, trong thuật toán tri giác cổ điển của Rosenblatt, các trọng số …

15 optimization  gradient-descent  perceptron 

Tôi đang cố gắng hiểu làm thế nào các tham số được ước tính trong mô hình ARIMA / Hộp Jenkins (BJ). Thật không may, không có cuốn sách nào tôi gặp phải mô tả thủ tục ước tính, chẳng hạn như thủ tục ước tính Log-Likabilities một cách chi …

15 time-series  forecasting  arima  optimization  box-jenkins 

Tôi đã đọc rất nhiều về các mạng thần kinh liên hợp và đang tự hỏi làm thế nào chúng tránh được vấn đề độ dốc biến mất. Tôi biết các mạng niềm tin sâu xếp chồng các bộ mã hóa tự động cấp đơn hoặc các mạng nông được …

15 machine-learning  optimization  deep-learning  gradient-descent 

Tôi muốn kết hợp các đầu ra của lmer (thực sự lấp lánh) với một ví dụ nhị thức đồ chơi. Tôi đã đọc các họa tiết và tin rằng tôi hiểu những gì đang xảy ra. Nhưng rõ ràng là tôi không. Sau khi bị mắc kẹt, tôi đã …

15 r  mixed-model  optimization  lme4-nlme 

Khi theo dõi mạng lưới thần kinh của tôi, tôi thậm chí không thể học được khoảng cách Euclide, tôi đã đơn giản hóa hơn nữa và cố gắng huấn luyện một ReLU duy nhất (với trọng lượng ngẫu nhiên) thành một ReLU duy nhất. Đây là mạng đơn giản …

15 machine-learning  neural-networks  optimization  keras 

Trong bối cảnh chung của thuật toán gradient descent, chúng ta có nơi x n là điểm hiện tại, η là kích thước bước và g r một d i e n t x n là độ dốc được đánh giá tạixn+1=xn−η∗gradientxnxn+1=xn−η∗gradientxnx_{n+1} = x_{n} - \eta * gradient_{x_n}xnxnx_nηη\etagr a di …

15 algorithms  optimization 

Văn học học sâu có đầy đủ các thủ thuật thông minh với việc sử dụng tỷ lệ học tập không liên tục theo độ dốc. Những thứ như phân rã theo cấp số nhân, RMSprop, Adagrad, v.v ... rất dễ thực hiện và có sẵn trong mọi gói học …

14 machine-learning  deep-learning  optimization  gradient-descent 

Câu hỏi này liên quan đến ước tính khả năng tối đa hạn chế (REML) trong một phiên bản cụ thể của mô hình tuyến tính, cụ thể là: Y=X(α)β+ϵ,ϵ∼Nn(0,Σ(α)),Y=X(α)β+ϵ,ϵ∼Nn(0,Σ(α)), Y = X(\alpha)\beta + \epsilon, \\ \epsilon\sim N_n(0, \Sigma(\alpha)), nơi là một ( n × p ) ma trận parametrized …

14 mixed-model  maximum-likelihood  linear-model  optimization  reml 

Tôi đã đọc về tối ưu hóa cho một vấn đề đặt ra trong tầm nhìn máy tính và tìm thấy lời giải thích bên dưới về tối ưu hóa trên Wikipedia. Điều tôi không hiểu là tại sao họ gọi việc tối ưu hóa này là " Giảm thiểu …

14 machine-learning  optimization  computer-vision