Ciência da Computação neural-networks

2

Por que as redes neurais parecem ter um desempenho melhor com as restrições impostas em sua topologia?

Redes backprop totalmente conectadas (pelo menos camada a camada com mais de 2 camadas ocultas) são aprendizes universais. Infelizmente, muitas vezes demoram a aprender e tendem a se ajustar demais ou a ter generalizações desajeitadas. Ao brincar com essas redes, observei que a remoção de algumas das bordas (para que …

29 machine-learning network-topology neural-networks

1

O que é temperatura no LSTM (e redes neurais em geral)?

Um dos hiperparâmetros para redes LSTM é a temperatura. O que é isso?

25 machine-learning neural-networks

4

Qual é a diferença entre uma rede neural, um sistema de aprendizado profundo e uma rede de crenças profundas?

Qual é a diferença entre uma rede neural, um sistema de aprendizado profundo e uma rede de crenças profundas? Pelo que me lembro, sua rede neural básica é um tipo de coisa de três camadas, e eu tive os Deep Belief Systems descritos como redes neurais empilhadas umas sobre as …

23 machine-learning neural-networks boltzmann-machine

1

Computar com eficiência ou aproximar a dimensão VC de uma rede neural

Meu objetivo é resolver o seguinte problema, que descrevi por suas entradas e saídas: Entrada: Um gráfico acíclico direcionado com nós, n fontes e 1 coletor ( m> n \ geq 1 ).m n 1 m > n ≥ 1GGGmmmnnn111m > n ≥ 1m>n≥1m > n \geq 1 Resultado: O …

19 algorithms complexity-theory machine-learning neural-networks vc-dimension

2

Quais são as críticas em relação ao desempenho do HTM?

Recentemente, eu aprendi sobre a existência dessa memória temporal hierárquica (HTM) . Eu já li o documento Memória Temporal Hierárquica: Conceitos, Teoria e Terminologia (de Jeff Hawkins e Dileep George), que parece bastante fácil de entender, mas uma bandeira vermelha é que o documento não é revisado por pares nem …

16 neural-networks hierarchical-temporal-memory

2

As redes neurais devem sempre convergir?

Introdução Passo um Escrevi uma rede neural padrão de backpropegating e, para testá-la, decidi mapear o XOR. É uma rede 2-2-1 (com função de ativação tanh) X1 M1 O1 X2 M2 B1 B2 Para fins de teste, configurei manualmente o neurônio do meio superior (M1) como uma porta AND e …

16 machine-learning neural-networks

3

qual é a diferença entre perceptron multicamada e rede neural multicamada?

Quando dizemos que uma rede neural artificial é um Perceptron multicamada ? E quando dizemos que uma rede neural artificial é multicamada ? O termo perceptron está relacionado à regra de aprendizado para atualizar os pesos? Ou está relacionado a unidades de neurônios?

13 neural-networks perceptron

2

Como codificar a data como entrada na rede neural?

Estou usando redes neurais para prever uma série temporal. A questão que estou enfrentando agora é como codificar data / hora / número de série. de cada entrada definida como uma entrada para a rede neural? Devo usar uma codificação C (usada para categorias de codificação) conforme descrito aqui ? …

12 machine-learning artificial-intelligence neural-networks

1

Elaborado pelo Google DeepDream

Eu já vi algumas perguntas neste site sobre o Deep Dream, no entanto, nenhuma delas parece realmente falar sobre o que o DeepDream está fazendo, especificamente. Até onde eu entendi, eles parecem ter alterado a função objetivo e também a retropropagação, de modo que, em vez de atualizar pesos, atualizam …

12 machine-learning artificial-intelligence neural-networks image-processing computer-vision

4

Desenvolvimento de redes neurais artificiais para resolver problemas de NP

Recentemente, li uma entrada de blog muito interessante no Blog de Pesquisa do Google falando sobre rede neural. Basicamente, eles usam essas redes neurais para resolver vários problemas, como reconhecimento de imagem. Eles usam algoritmos genéticos para "evoluir" os pesos dos axônios. Então, basicamente, minha ideia é a seguinte. Se …

10 machine-learning np neural-networks p-vs-np genetic-algorithms

1

O significado do fator de desconto na aprendizagem por reforço

Depois de ler as conquistas do google deepmind nos jogos da Atari , estou tentando entender o q-learning e q-networks, mas estou um pouco confuso. A confusão surge no conceito do fator de desconto. Breve resumo do que eu entendo. Uma rede neural profunda convolucional é usada para estimar o …

10 artificial-intelligence neural-networks reinforcement-learning

2

O poder computacional das redes neurais está relacionado à função de ativação

Está provado que as redes neurais com pesos racionais têm o poder computacional da computabilidade da Universal Turing Machine Turing com redes neurais . Pelo que entendi, parece que o uso de pesos com valor real gera ainda mais poder computacional, embora eu não tenha certeza disso. No entanto, existe …

10 computability neural-networks

1

Quantas camadas uma rede neural deve ter?

Existem vantagens em ter mais de 2 camadas ocultas em uma rede neural? Eu já vi alguns lugares que recomendam, outros provam que não há vantagem. Qual é o certo?

10 artificial-intelligence neural-networks neural-computing

1

Como o termo de momento para o algoritmo de retropropagação funciona?

Ao atualizar os pesos de uma rede neural usando o algoritmo de retropropagação com um termo de momento, a taxa de aprendizado também deve ser aplicada ao termo de momento? A maioria das informações que pude encontrar sobre o uso do momento tem as equações parecidas com esta: W′Eu= WEu- …

9 machine-learning neural-networks

3

Quando devo ir além de k vizinho mais próximo

Para muitos projetos de aprendizado de máquina que realizamos, começamos com o classificador k vizinho mais próximo. Este é um classificador inicial ideal, pois geralmente temos tempo suficiente para calcular todas as distâncias e o número de parâmetros é limitado (k, distância métrica e ponderação) No entanto, isso geralmente tem …

9 neural-networks classification

Perguntas com a marcação «neural-networks»